光学显微镜技术作为一种重要的成像方法,可以提供快速、无损且非侵入性的微小颗粒探测、定量和表征。然而,光学系统通常需要结合光谱学和色谱分析法以进行精确的材料测定,这种方法耗时且费力。
据麦姆斯咨询报道,近日,香港大学的科研团队设计了一种能够自动分析分子结构和组成的偏振和光谱全息技术,即智能偏振和光谱全息技术(SPLASH)。这种智能方法通过整合多维特征来提高评估性能,从而实现高精度且高效的识别。它同时捕获偏振状态相关的全息和纹理特征作为光谱信息,且无需物理实现的光谱系统。
通过利用斯托克斯(Stokes)偏振掩模(SPM),SPLASH实现了四种偏振状态的同时成像。该方法的有效性已在微塑料(MP)的识别应用中得到验证。相关研究内容以“Smart polarization and spectroscopic holography for real-time microplastics identification”为主题发布在Communications Engineering期刊上。该论文的第一作者为Yanmin Zhu,通讯作者为Edmund Y. Lam教授。
SPLASH系统如图1e所示,该系统由激光二极管、凸透镜、线性偏振片、四分之一波片以及集成全斯托克斯(Stokes)偏振掩膜的偏振相机共同组成。其中激光二极管发射波长为532 nm的非偏振光,凸透镜用于光束准直;线性偏振片与四分之一波片相组合并插入光路中,以便在不引入相位调制的情况下调谐激光强度。
随后,调谐后的激光穿过样品到达传感平面,并利用偏振相机对其进行分析。全斯托克斯偏振掩模集成在偏振相机成像传感平面前,以一次性记录样品的四种斯托克斯状态图像。微塑料样品在0°、45°、90°和135°四种偏振状态下的实验图像如图1a至图1d所示。
图1 微塑料样品的四种斯托克斯状态图像及SPLASH系统
从编码SPLASH图像的丰富特征信息中,选择四类特征进行分组。根据特征类型分类,这四类特征分别为纹理特征、傅立叶功率谱(FPS)特征、全息特征以及偏振特征。具体而言,全息特征描述了全息条纹的对比度和透明度;偏振特征包括了偏振角(AoP)、线性偏振度(DoLP)、相位延迟和光轴方向值;纹理特征涵盖邻域灰度差异矩阵(neighborhood gray-tone difference matrix)和灰度区域大小矩阵(gray level size zone matrix)特征。傅里叶功率谱特征囊括了径向求和以及角求和特性。这四类特征组的相关性和独立性测试结果如图2所示。
图2 四类特征组的相关性和独立性测试
接着,为了检验SPLASH系统在材料分析和微塑料识别方面的能力,研究人员根据微塑料特征数据集训练分类器,该系统识别能力相关结果如图3所示。
图3 受试者工作特征(ROC)曲线以及分类曲线下面积(AUC)结果
此外,研究人员利用自然样本(植物T.S幼根、小球藻和大型水蚤)进行了扩展实验,以评估SPLASH系统的识别能力,相关结果如图4至图6所示。
图4 植物T.S.幼根样本和微塑料的强度图像及偏振角图
图5 小球藻和微塑料的强度图像及偏振角图
图6 大型水蚤和微塑料的强度图像及偏振角图
综上所述,这项研究首次提出了将SPLASH作为一种同时进行偏振-纹理-全息表征的方法,用于微塑料的识别及其与自然粒子的区分。该方法结合了分子结构和成分相关的图像特征,为材料分析提供了丰富的信息。所提出的光学系统和方法能够通过光谱能力进行有效的成像分析,无需单独的光谱系统。机器学习(ML)算法增强了该系统的可靠性和对大量数据处理的自动化。
SPLASH非常适合于各种环境中微塑料的识别,有助于了解复杂环境中微塑料的迁移以及与微生物的相互作用。这项工作为实现光谱全息技术开辟了新途径,有望成为解决微塑料污染对生态系统和人类健康的风险评估、微塑料来源识别以及长期水污染监测等公众日益关注的问题的工具。
论文链接:
https://doi.org/10.1038/s44172-024-00178-4
审核编辑:刘清
-
FPS
+关注
关注
0文章
35浏览量
11962 -
激光二极管
+关注
关注
8文章
184浏览量
35280 -
相位调制
+关注
关注
0文章
18浏览量
8121 -
机器学习
+关注
关注
66文章
8373浏览量
132395
原文标题:智能偏振和光谱全息技术用于实时识别微塑料
文章出处:【微信号:MEMSensor,微信公众号:MEMS】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论