[ad_1]
(noticias nanowerk) Un equipo de investigación interdisciplinario de la Universidad de Waterloo está utilizando inteligencia artificial (IA) para identificar microplásticos de forma más rápida y precisa que nunca.
La investigación fue publicada en contaminación ambiental (“Uso del aprendizaje profundo para detectar automáticamente microplásticos (MP) mediante imágenes Micro-FT-IR de matriz de plano focal (FPA)”).
Las tesis centrales
Investigación
Los microplásticos se encuentran comúnmente en los alimentos y son un contaminante peligroso que causa graves daños ambientales; la clave para eliminarlos es detectarlos.
El sistema avanzado de identificación por imágenes del equipo de investigación podría ayudar a las plantas de tratamiento de aguas residuales y a la industria alimentaria a tomar decisiones informadas para mitigar el impacto potencial de los microplásticos en el medio ambiente y la salud humana.
Un análisis integral de riesgos y un plan de acción requieren información de alta calidad basada en una identificación precisa. En busca de una herramienta analítica sólida que pudiera enumerar, identificar y describir los numerosos microplásticos presentes, el líder del proyecto, el Dr. Wayne Parker y su equipo desarrollaron un método de espectroscopia avanzado que expone partículas a una variedad de longitudes de onda de luz. Los diferentes tipos de plástico producen diferentes señales en respuesta a la exposición a la luz. Estas señales son similares a las huellas dactilares, que pueden usarse para marcar partículas como microplásticos o no.
El desafío para los investigadores es a menudo que los microplásticos se presentan en una gran diversidad debido a la presencia de aditivos y cargas en la producción y que las “huellas dactilares” pueden difuminarse en el laboratorio. Esto a menudo dificulta la identificación de microplásticos a partir de material orgánico, así como los diferentes tipos de microplásticos. Descubrir patrones y señales sutiles normalmente requiere intervención humana, que es lenta y propensa a errores.
«Los microplásticos son materiales hidrofóbicos que pueden absorber otros químicos», dijo Parker, profesor del Departamento de Ingeniería Civil y Ambiental de Waterloo. «La ciencia aún no está segura de qué tan grave es el problema, pero teóricamente es posible que los microplásticos aumenten la acumulación de sustancias tóxicas en la cadena alimentaria».
Parker recurrió al Dr. en busca de ayuda. Alexander Wong, profesor del Departamento de Ingeniería de Diseño de Sistemas de Waterloo y de la Cátedra de Investigación de Canadá en Inteligencia Artificial e Imágenes Médicas. Con su ayuda, el equipo desarrolló una herramienta de inteligencia artificial llamada PlasticNet que permite a los investigadores analizar grandes cantidades de partículas rápidamente, aproximadamente un 50 por ciento más rápido que los métodos anteriores y con un 20 por ciento más de precisión.
La herramienta es la última tecnología sostenible desarrollada por investigadores de Waterloo para proteger nuestro medio ambiente y realizar investigaciones que contribuyan a un futuro sostenible.
«Construimos una red neuronal de aprendizaje profundo para mejorar la identificación de microplásticos basada en señales espectroscópicas», dijo Wong. «Lo entrenamos utilizando datos de fuentes bibliográficas existentes y nuestras imágenes autogeneradas para comprender la composición diversa de los microplásticos y reconocer las diferencias de forma rápida y correcta, independientemente de la calidad de la huella digital».
Frank Zhu, ex estudiante de posgrado de Parker, probó el sistema en microplásticos aislados de una planta de tratamiento de aguas residuales local. Los resultados muestran que puede identificar microplásticos con una velocidad y precisión sin precedentes. Esta información puede permitir a las plantas de tratamiento de aguas residuales implementar medidas efectivas para controlar y eliminar estas sustancias.
Los próximos pasos incluyen aprendizaje y pruebas continuos, así como introducir más datos en el sistema PlasticNet para mejorar la calidad de sus capacidades de identificación de microplásticos para su aplicación en una amplia gama de necesidades.
[ad_2]