Es wurde eine Methode zur automatischen Erkennung von Mikroplastik entwickelt, die auf Tiefenlern-Zielerkennung und mikroskopischer Raman-Spektroskopie basiert. Die Methode fängt Mikroplastik auf einer Metallfiltermembran ein, erkennt verdächtiges Mikroplastik mithilfe eines Zielerkennungsmodells und führt nach der Koordinatentransformation automatisch eine qualitative Raman-Analyse durch. Die Ergebnisse zeigen, dass das experimentell trainierte auf YOLOv8n basierende Mikroplastik-Zielerkennungsmodell Präzision, Rückrufrate und mAP@0.5 von über 90% sowie einen mAP@0.5∶0.95 von 74% aufweist und eine gute Fähigkeit zur Zielortung und -erkennung besitzt; das auf dem optimierten Gewichtstreffer-Qualitätsindex (HQI) Algorithmus basierende Raman-Spektrenerkennungsmodell für Mikroplastik erzielt eine Klassifikationsgenauigkeit von 100% für 7 Mikroplastikarten; durch die Kombination des Zielerkennungsmodells und des Raman-Spektrenerkennungsmodells kann eine automatische Mikroplastikerkennung realisiert werden, die Größenerkennungsschwelle liegt bei 100 μm, die Spiked Recovery Rate in realem Wasser liegt über 90% und die relative Standardabweichung (RSD) unter 10%, was eine gute Genauigkeit und Präzision zeigt. Die Methode kann für die schnelle, automatische und genaue Detektion von Mikroplastik im Wasser angewendet werden.

Automatische Erkennung von Mikroplastik;YOLOv8;Tiefenlern-Zielerkennungsmodell;Raman-Spektrenerkennungsmodell