Une nouvelle approche pour classifier le type de polymère des microplastiques basée sur Faster-RCNN-FPN et l'imagerie spectroscopique sous lumière ultraviolette

Résumé Les composés dangereux provenant des microplastiques dans les environnements côtiers et marins sont adsorbés par des organismes vivants, affectant la vie humaine et marine. Étudier la distribution et le type de microplastiques dans l'environnement nécessite du temps, de l'argent et des efforts, utilisant un équipement coûteux adapté en laboratoire. Cependant, l'apprentissage profond peut aider à identifier et quantifier les microplastiques à partir d'une image. Cet article présente une nouvelle méthode de classification des microplastiques qui combine les avantages de la lumière UV avec l'apprentissage profond. Le modèle Faster-RCNN avec un backbone ResNet-50-FPN a été implémenté pour détecter et identifier les microplastiques. Des images de microplastiques prises sur le terrain sous lumière UV ont été utilisées pour entraîner et valider le modèle. Ce modèle de classification a atteint une précision élevée de 85,5–87,8 %, et les scores mAP étaient de 33,9 % sur un ensemble de test interne et de 35,7 % sur un ensemble de test externe. Cette approche de classification fournit une identification et un comptage automatisés des microplastiques avec une grande précision, à faible coût et efficacement en termes de temps.