基于高光谱成像技术的环境微塑料检测的研究

基于高光谱成像技术的环境微塑料检测的研究

论文摘要

环境中微塑料的污染正在引起全世界的关注,近几十年内关于海洋与陆地微塑料污染的研究和报告在逐渐增多。目前,微塑料颗粒可以通过拉曼光谱或傅里叶变换红外光谱精确检测,然而,检查过程必须对粒子单独分析,并先在视觉上识别可疑微塑料粒子。为了获得关于环境中微塑料污染物存在的可靠研究,必须分析大量的颗粒,使用目前的光谱检测技术将会消耗大量的时间。鉴于此,迫切地需要开发一种新检测技术,用于快速准确地确定和绘制海洋和土壤中微塑料的分布。本研究中使用高光谱成像技术作为检测方法,对土壤和海水中的微塑料污染物进行了直接有效的识别分类。研究使用波长范围为400-1000 nm的高光谱成像系统,获取包含不同材料的土壤样品高光谱图像。使用三种监督分类算法,支持向量机(Support Vector Machine,SVM),马氏距离(Mahalanobis Distance,MD)和最大似然(Maximum Likelihood,ML)算法在高光谱图像上将微塑料识别出来。为了研究微塑料粒径和颜色的影响,本研究从土壤中提取了两种不同粒度范围(1-5 mm和0.5-1 mm)的白色和黑色聚乙烯(Polyethylene,PE)微塑料颗粒。结果表明,SVM是最适用于土壤中白色PE微塑料检测的算法,对粒径为1-5 mm和0.5-1 mm的白色PE微塑料颗粒的平均识别精度分别为84%和77%。最后,使用饮料瓶、瓶盖、橡胶、包装袋、衣架、塑料夹等6种家用聚合物验证本研究开发的SVM方法,对粒径为1-5 mm和0.5-1 mm的微塑料聚合物颗粒的识别分类精度分别为79%-100%和86%-99%。检测海水中微塑料时,本研究使用波长范围为900-1700 nm的高光谱成像系统。使用SVM作为从高光谱图像中识别微塑料的机器算法,它在分析非线性和高维数据时具有良好的性能,并且可以削减休斯效应对分类识别结果的影响。分别采集海水中和过滤海水后微塑料样品的高光谱图像,使用SVM算法处理高光谱图像,量化和鉴定海水和过滤海水后样品中的微塑料,来研究海水对模型识别微塑料的影响。结果表明,去除海水的影响后高光谱成像系统对微塑料的检测限会提高到0.2 mm。然后,研究了可能影响SVM模型精度的其他因素,包括有机颗粒,聚合物类型和颗粒尺寸。SVM模型对样品中的八种纯聚合物和家用聚合物的微塑料识别精确度都在90%以上,并且具有高度稳定性,可用于检测不同类型、粒径和颜色的微塑料。结果表明,高光谱成像技术是一种有潜力的微塑料检测方法,可以直接地确定并可视化的反应土壤表面和海水中的微塑料颗粒。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  •   1.1 微塑料概述
  •   1.2 微塑料的检测方法
  •   1.3 高光谱成像技术与化学计量学算法
  •     1.3.1 高光谱成像技术
  •     1.3.2 化学计量学算法
  •   1.4 研究内容、目的与意义
  • 2 土壤中微塑料检测
  •   2.1 引言
  •   2.2 材料与方法
  •     2.2.1 实验仪器和试剂
  •     2.2.2 样品采集
  •     2.2.3 微塑料的提取和鉴定
  •     2.2.4 样品准备
  •     2.2.5 数据分析
  •   2.3 结果与讨论
  •     2.3.1 土壤样品中微塑料的分析
  •     2.3.2 高光谱图像分析
  •     2.3.3 粒径为1-5 mm聚乙烯微塑料的分类结果
  •     2.3.4 粒径为0.5-1 mm聚乙烯微塑料的分类结果
  •     2.3.5 常见微塑料验证模型的分类结果
  •   2.4 本章小结
  • 3 海水中微塑料检测
  •   3.1 引言
  •   3.2 材料与方法
  •     3.2.1 实验仪器和材料
  •     3.2.2 样品采集和准备
  •     3.2.3 海水中和过滤海水后微塑料的检测
  •     3.2.4 增加微塑料类型对SVM分类结果的影响
  •     3.2.5 粒径对SVM分类结果的影响
  •     3.2.6 使用普通家用塑料聚合物对模型的验证
  •     3.2.7 高光谱图像的采集和分析
  •   3.3 结果与讨论
  •     3.3.1 海水中和过滤海水后微塑料的检测
  •     3.3.2 增加微塑料类型对SVM分类结果的影响
  •     3.3.3 粒度对SVM模型分类结果的影响
  •     3.3.4 普通家庭微塑料的验证结果
  •   3.4 本章小结
  • 4 结论
  • 参考文献
  • 攻读硕士学位期间发表学术论文情况
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 赵军波

    导师: 单佳佳

    关键词: 微塑料,土壤污染,海洋污染,高光谱,支持向量机

    来源: 大连理工大学

    年度: 2019

    分类: 基础科学,工程科技Ⅰ辑

    专业: 海洋学,环境科学与资源利用,环境科学与资源利用

    单位: 大连理工大学

    分类号: X55;X834

    DOI: 10.26991/d.cnki.gdllu.2019.003069

    总页数: 56

    文件大小: 14742K

    下载量: 564

    相关论文文献

    • [1].高光谱成像技术在农产品检测中的应用[J]. 农家参谋 2020(08)
    • [2].序言[J]. 遥感学报 2020(04)
    • [3].基于高光谱成像技术预测牡蛎干制加工过程中的水分含量[J]. 中国食品学报 2020(07)
    • [4].第五届高光谱成像技术及应用研讨会征文通知[J]. 红外 2020(06)
    • [5].基于高光谱成像快速检测牛肉糜中大豆分离蛋白掺入量[J]. 食品工业科技 2020(20)
    • [6].基于高光谱成像技术的艺术品鉴定研究[J]. 文物保护与考古科学 2018(03)
    • [7].高光谱成像技术在农业中的应用概述[J]. 浙江农业科学 2017(07)
    • [8].高光谱成像技术在食品品质无损检测中的应用[J]. 食品工业科技 2016(03)
    • [9].粮油品质安全高光谱成像检测技术的研究进展[J]. 光谱学与光谱分析 2016(11)
    • [10].高光谱成像技术在水果无损检测中的应用[J]. 农机化研究 2015(07)
    • [11].基于高光谱成像技术的牛羊肉品质无损检测研究进展[J]. 新疆农垦科技 2015(06)
    • [12].人工智能和工业4.0视域下高光谱成像技术融合深度学习方法在中药领域中的应用与展望[J]. 中国中药杂志 2020(22)
    • [13].无人机载高光谱成像系统识别沥青路面血液痕迹研究[J]. 刑事技术 2020(04)
    • [14].近红外高光谱成像用于伊斯兰纸的定量化学分析[J]. 文物保护与考古科学 2020(05)
    • [15].浅谈高光谱成像技术在显现消褪字迹中的应用[J]. 法制与社会 2019(01)
    • [16].高光谱成像与应用技术发展[J]. 计测技术 2019(04)
    • [17].高光谱成像技术在农业中的应用概述[J]. 时代农机 2018(06)
    • [18].采后葡萄可溶性固形物含量的高光谱成像检测研究[J]. 河南农业科学 2017(03)
    • [19].高光谱成像技术在茶叶中的应用研究进展[J]. 核农学报 2016(07)
    • [20].高光谱成像技术在水果多品质无损检测中的应用[J]. 农业科技与装备 2016(05)
    • [21].高光谱成像技术下水果内外品质无损检测研究进展[J]. 科技经济导刊 2016(17)
    • [22].利用高光谱成像技术检测长枣表面虫伤[J]. 电子制作 2013(21)
    • [23].高光谱成像技术在肉品无损检测中的应用及进展[J]. 河南工业大学学报(自然科学版) 2014(01)
    • [24].高光谱成像技术在果蔬品质与安全无损检测中的原理及应用[J]. 光谱学与光谱分析 2014(10)
    • [25].农产品外部品质无损检测中高光谱成像技术的应用研究进展[J]. 黑龙江科技信息 2014(27)
    • [26].农产品无损检测中高光谱成像技术的应用研究[J]. 农机化研究 2013(06)
    • [27].高光谱成像在食品质量评估方面的研究进展与应用(一)[J]. 肉类研究 2012(04)
    • [28].高光谱成像在食品质量评估方面的研究进展与应用(二)[J]. 肉类研究 2012(05)
    • [29].农产品外部品质无损检测中高光谱成像技术的应用研究进展[J]. 光谱学与光谱分析 2011(08)
    • [30].果蔬品质高光谱成像无损检测研究进展[J]. 激光与红外 2010(06)

    标签:;  ;  ;  ;  ;  

    基于高光谱成像技术的环境微塑料检测的研究
    下载Doc文档

    猜你喜欢