Es wurde eine Methode zur automatischen Erkennung von Mikroplastik basierend auf Deep Learning Objekterkennung und mikroskopischer Raman-Spektroskopie entwickelt. Diese Methode hält Mikroplastik auf einem metallischen Filtermembran zurück, erkennt verdächtige Mikroplastikpartikel mit einem Objekterkennungsmodell und führt nach Koordinatentransformation automatisch eine qualitative Raman-Analyse durch. Die Ergebnisse zeigen, dass das experimentell trainierte Mikroplastik-Objekterkennungsmodell auf Basis von YOLOv8n eine Genauigkeit, Rückrufrate und mAP@0.5 von über 90% sowie einen mAP@0.5∶0.95 von 74% erreicht, was gute Fähigkeiten zur Lokalisierung und Erkennung von Objekten beweist; das auf einem optimierten Gewichtsschlag-Qualitätsindex (HQI) Algorithmus basierende Raman-Spektrenerkennungsmodell für Mikroplastik weist eine Klassifikationsgenauigkeit von 100% für 7 Mikroplastikarten auf; durch die Kombination des Objekterkennungsmodells mit dem Raman-Spektrenerkennungsmodell kann eine automatische Mikroplastik-Erkennung realisiert werden. Die Größenerkennungsgrenze beträgt 100 μm, die Wiederfindungsrate von in realem Wasser angereichertem Mikroplastik liegt über 90%, mit einer relativen Standardabweichung (RSD) unter 10%, was eine gute Genauigkeit und Präzision zeigt. Die Methode kann für die schnelle, automatische und genaue Erkennung von Mikroplastik im Wasser angewandt werden.

automatische Mikroplastik-Erkennung;YOLOv8;Deep Learning Objekterkennungsmodell;Raman-Spektrenerkennungsmodell