022-86800320
用户文章
PNAS
文章题目：Adaptable microplastic classification using similarity learning on μFTIR spectra collected from μFTIR focal plane array imaging
发表期刊：PNAS
研究单位：德克萨斯农工大学化学系合成生物交互实验室、德克萨斯农工大学地质与地球物理系
研究技术：面阵列红外显微镜
样本类型：微塑料、河流底部泥沙
微塑料污染早已成为环境与健康领域的重大挑战，从自然环境到人体组织，这种粒径1µm至5mm的微小污染物无处不在，而快速、准确的识别与分类，是开展微塑料研究和污染治理的核心前提。红外显微镜是微塑料定性分析的黄金手段，但实际检测中，样品的背景噪声、复杂基质干扰，以及新聚合物类型的不断出现，传统的检测手段和常规机器学习算法早已力不从心，往往难以准确识别，导致误判或漏检。
2025年9月，德克萨斯农工大学研究团队发表于《PNAS》期刊的一项重磅研究为红外显微镜微塑料定性分析带来了全新解决方案：深度学习+相似性学习+布鲁克面阵列红外成像技术的强强联合！这一组合不仅带来了超高的定性准确率，更赋予了整个分析流程的适应性、抗干扰性和前瞻性。
布鲁克面阵列红外成像技术在此项研究中的核心价值
本项研究实现技术突破的关键支撑，是布鲁克面阵列红外成像系统高效生成的高通量、高质量光谱数据，并通过与AI算法的结合，赋予了仪器“学习"与“判断"的能力。也再次印证了布鲁克在微塑料红外检测领域的技术性。
高效率光谱采集： 研究使用布鲁克面阵列红外显微镜LUMOS II ，在透射模式下快速采集红外光谱。每次扫描可以获取32x32像素（1024条红外光谱），仅需数十分钟即可扫描整个沉积了微塑料的滤膜区域，为模型训练与分析提供了海量的原始数据。这远远超越了传统单点检测的速度，为后续智能模型的应用奠定了坚实的数据基础。
复杂样品处理能力： 该技术既能分析沉积在洁净滤膜上的人造微塑料样品，也能挑战更具现实意义的、包含大量外源背景物质（如河床沉积物分离后的残留物）的 “高背景"样本。这充分证明了布鲁克面阵列红外成像系统在复杂基质中获取微塑料高质量可靠光谱信号的能力。
构建高质量数据集： 通过设计多腔室滤膜夹，研究人员可在一块滤膜的不同区域同时分析多达12种不同的微塑料样品，避免了交叉污染并极大提升了样品处理通量，让大规模样品的标准化检测成为可能。配合自动化处理与物像分割技术（如Voronoi剖分），最终从45种来源的微塑料中收集了超过25万条红外光谱，为深度学习模型提供了优质且规模巨大的训练和验证集。
图1 定制设计的多通道过滤支架，每种微塑料样品对应一个通道
正是得益于布鲁克面阵列红外成像技术在高效、高质量、高通量数据采集方面的突出优势，后续基于相似性学习的深度学习模型才能展现出惊艳的性能。
核心亮点
本次研究的亮点，并非简单的“AI识别"，而是针对微塑料分析的特殊挑战，创新性地将相似度学习与一维卷积神经网络结合，并依托布鲁克的面阵列红外成像系统，实现了多方面的突破：
亮点一：的“适应性"
真实样品的高背景挑战： 真实的微塑料样品常被有机残留物、粘土等环境背景信号严重干扰，导致传统光谱分析方法的准确度大幅下降。
AI解决方案： 深度卷积神经网络（CNN）仅使用“洁净滤膜"上获取的微塑料光谱进行“相似性学习"训练。在训练过程中，模型学习到如何生成能使同类微塑料光谱聚集、不同类微塑料光谱分离的“特征嵌入向量（Embedding）"。
图2 红外光谱嵌入式相似性学习模型生成过程和微塑料聚类分离效果
惊人的实战表现： 当这个仅在“理想状态"下训练过的模型，面对从未学习过的、充满复杂背景的“高背景"样品光谱时，分类准确率依然高达0.9 F1分数（LDA算法），远超传统机器学习和常规深度学习算法。这证明了布鲁克LUMOS II 面阵列红外显微镜提供的高质量光谱，结合相似性学习模型，具备强大的抗干扰能力和自适应能力，无需针对每种污染场景重新训练。
图3 开放集识别对未知塑料和非塑料的分离效果
亮点二：开放的“未知物识别"能力
现实痛点： 传统分类模型只能从它“认识"（训练过）的塑料类别里挑选答案。遇到新型塑料或非塑料颗粒（如棉纤维、昆虫碎片等），往往会强制给出错误分类，导致误判。但微塑料种类繁多，实验室数据库往往无法覆盖所有类型。
AI的创新解法： 相似性学习形成的嵌入空间具有清晰的集群结构。通过设定一个简单的距离或概率阈值，模型可以可靠地识别并标记出那些远离所有已知类别集群的数据点，将其归为“未知"或“其他"类别，解决了传统分类模型易误判的行业痛点，从而实现了开放集识别。
打破识别边界： 这意味着实验室的分析能力不再是固定的列表。模型能够主动报告环境样品中可能存在的、超出预期的新塑料或污染，为进一步的研究提供了关键线索。
亮点三：灵活高效的光谱库扩展与“少样本学习"潜力
克服数据壁垒： 收集涵盖所有潜在塑料种类的光谱库是昂贵且几乎不可能完成的任务。
AI的独特路径： 相似性学习模型只需学习如何“分辨光谱"，而不是“死记硬背"所有类别。增加一个新塑料类别，仅需少量（甚至几个）其参考光谱放入嵌入空间作为“锚点"，下游分类器便能有效识别。无需对整个复杂的深度学习模型进行重新训练。
节约成本，适应未来： 这不仅大大降低了数据采集的成本与时间，也为微塑料分析数据库随着时间迭代与扩展提供了一条极其灵活和经济的路径。
结论
本研究通过结合布鲁克强大的面阵列红外成像硬件系统与前沿的深度学习相似性学习算法，构建了一个在准确度、稳健性和适应性方面均表现的微塑料智能分析框架。它代表了一种范式的转变：
从 “费力的人工比对或脆弱的谱库搜索"， 转向 “基于高质量大数据和智能算法的、适应真实复杂环境样品问题的、且能自我演进的自动化分析解决方案"。
此次研究的突破，不仅验证了相似度学习在微塑料光谱分析中的巨大潜力，更彰显了布鲁克在红外光谱技术领域的深厚积淀─以的仪器性能，赋能科研人员突破技术瓶颈，为微塑料污染的精准监测和治理提供更高效、更可靠的分析工具。
样机免费试用
布鲁克发布了一代的面阵列激光红外显微镜LUMOS II ILIM，成像速度获得巨大提升，单次扫描可采集近25万张红外光谱、空间分辨率低于5微米，并且检测器无需液氮制冷，将微塑料分析的通量提升到了新的高度。
布鲁克公司的应用中心有面阵列激光红外显微镜LUMOS II ILIM新机和面阵列红外显微镜LUMOS II样机，可免费上机试用和测样，具体请联系布鲁克光谱！
面阵列激光红外显微镜LUMOS II ILIM
面阵列红外显微镜LUMOS II
联系我们
天津市金贝尔科技有限公司 公司地址：天津市高新区华苑产业园区海泰创新六路华鼎新区一号3号楼10层 技术支持：化工仪器网扫一扫 更多精彩
微信二维码
网站二维码
欢迎来到