A multi-level preprocessing and modelling framework for spectral imaging of microplastics

해양, 토양, 심지어 공기 중까지 침투한 미세 플라스틱 조각들은 생태계와 인류의 건강에 점점 더 큰 위협이 되고 있습니다. 이 문제의 규모를 파악하기 위해 과학자들은 이러한 입자들을 찾아내고, 그것이 정확히 어떤 종류의 플라스틱인지 식별하며, 그 수를 세어야 합니다. 현미경으로 입자를 관찰하는 것이 흔히 쓰이는 첫 단계이지만, 인간의 눈은 먼지 조각의 모양이나 색상에 쉽게 속을 수 있기 때문에 종종 신뢰하기 어렵습니다. 더 정밀한 접근 방식은 빛을 사용하여 입자의 화학적 지문을 읽는 것입니다. 샘플에 적외선을 반사시킴으로써 연구자들은 어떤 분자가 빛을 흡수하는지, 그리고 어떤 파장에서 흡수하는지를 확인할 수 있으며, 이를 통해 폴리에틸렌이나 폴리스티렌과 같은 재료의 고유한 서명을 만들어낼 수 있습니다. 그러나 이 강력한 기술을 복잡한 환경 샘플을 분석하는 일상적인 도구로 전환하는 것은 어려웠습니다. 생성되는 데이터는 방대하여 종종 수백만 개의 개별 측정치를 포함하며, 조명 변화, 입자의 두께, 또는 기기 자체의 거동 변화로 인해 과정이 쉽게 흐트러질 수 있습니다.

핀란드의 연구진은 이러한 구체적인 난관들을 해결하기 위해 새로운 프레임워크를 개발하여, 적외선 이미징을 이용한 미세 플라스틱 식별의 효율적인 방법을 만들어냈습니다. 그들의 연구는 전체 이미지, 이미지의 작은 구역, 그리고 개별 빛의 서명이라는 세 가지 뚜렷한 단계에서 데이터를 정제하는 데 집중합니다. 시끄러운 방 안에서 대화를 들으려고 노력한다고 상상해 보십시오. 먼저 배경 소음을 줄여야 하고, 그다음에는 벽에서 발생하는 메아리를 걸러내야 하며, 마지막으로 말하고 있는 특정 단어들에 집중해야 합니다. 이와 유사하게, 연구진은 먼저 스캔 중에 발생하는 환경 변화로 인한 변화를 제거하기 위해 전체 이미지를 교정했습니다. 그다음에는 카메라 렌즈에 묻은 일정한 얼룩을 제거하는 것처럼, 이미지의 모든 구역에서 나타나는 작고 반복적인 오류 패턴을 수정했습니다. 마지막으로, 각 입자의 화학적 데이터를 정제하여 노이즈를 완화하고 한 종류의 플라스틱을 다른 것과 구별 짓는 특정 특징을 강조했습니다.

그들의 접근 방식에서 가장 중요한 혁신은 엄청난 양의 데이터를 처리하는 방식입니다. 거대한 이미지의 모든 픽셀을 알려진 플라스틱 라이브러리와 비교하려고 시도하는 대신(이는 느리고 계산량이 많은 작업입니다), 그들은 유사한 픽셀들을 클러스터로 그룹화했습니다. 그런 다음 이 그룹들의 평균 서명을 참조 라이브러리와 비교했습니다. 이 전략은 매우 효과적이었습니다. 데이터를 매칭하는 12가지 서로 다른 방법을 테스트했을 때, 단순히 높이만을 보는 것이 아니라 화학적 곡선의 형태를 살피는 방법이 네 가지 흔한 플라스틱인 폴리스티렌, 폴리에틸렌 테레프탈레이트, 폴리에틸렌, 폴리프로필렌에 대해 완벽한 정확도를 달nm성했습니다. 이는 특히 폴리에틸렌과 폴리프로필렌이 화학적으로 매우 유사하여 표준 식별 도구들을 혼란스럽게 만드는 경우가 많기 때문에 중요했습니다.

이러한 다단계 교정과 더 스마트한 매칭 전략을 결합함으로써, 연구진은 입자들이 어디에 위치하는지, 그리고 무엇으로 만들어졌는지에 대한 더 명확한 지도를 생성하는 동시에 분석 속도를 크게 높일 수 있음을 입증했습니다. 이 방법은 구별하기 까다롭기로 악명 높은 플라스틱들을 성공적으로 구별해 냈으며, 대형 이미지를 처리하는 데 필요한 시간을 단축했습니다. 이 연구는 오류를 체계적으로 제거하고 모든 개별 지점이 아닌 대표적인 데이터 그룹에 집중함으로써, 과학자들이 미세 플라스틱 식별을 더욱 견고하고 효율적이며 신뢰할 수 있게 만들 수 있음을 시사합니다. 이러한 발전은 과학자들이 이 지속적인 오염 물질의 존재를 일상적이고 정확하게 모니터링할 수 있는 분야에 한 걸음 더 다가가게 합니다.