تلوث الجسيمات البلاستيكية الدقيقة (MPs) أصبح تحديًا بيئيًا عالميًا كبيرًا. توجد العديد من القيود في طرق الكشف التقليدية لـ MPs، مما يستدعي تطوير تقنيات كشف حساسة دون الحاجة إلى معالجة أولية معقدة. لحل مشكلة الكشف عن MPs، تم تطوير طريقة كشف جديدة تعتمد على 'رصد التقاط الأساسيات المعززة بالتشتت رامان-تحديد التعلم العميق-تفسير خريطة التنشيط الطبقي المدعوم بالوزن التدرجي (Grad-CAM)'. أظهرت النتائج أن أساسات الإسفنج النانوية الذهبية يمكنها التقاط MPs بفعالية، كما يمكن لتقنيات تعزيز البيانات والمعالجة المسبقة تحسين دقة التنبؤ للنموذج. تصل دقة تصنيف MPs بواسطة شبكة التعلم العميق الثنائية الفروع القائمة على شبكة الالتفاف أحادية الأبعاد (1D-CNN) إلى 85%، وهي أعلى بكثير من نماذج التعلم الآلي ونماذج 1D-CNN التقليدية. يمكن لتحليل Grad-CAM عرض أساس قرارات النموذج وأسباب الخطأ بوضوح. تم تأكيد فعالية هذه الطريقة في عينات مياه بيئية فعلية وعينات مختلطة، وتتمتع بمقاومة عالية للتداخل وقابلية تطبيق جيدة؛ كما أن مواد الأساس المستخدمة متوفرة بكثرة، وطرق التحضير بسيطة، مما يمنحها ميزة تكلفة وإمكانات تطبيق جيد.

طيف رامان المعزز بالسطح;جسيمات بلاستيكية دقيقة;شبكة الالتفاف العصبي;التعلم العميق;خريطة التنشيط الطبقي المدعوم بالوزن التدرجي