CN117037941A - 一种微塑料颗粒的数量浓度-质量浓度的转换方法 - Google Patents

一种微塑料颗粒的数量浓度-质量浓度的转换方法 Download PDF

Info

Publication number
CN117037941A
CN117037941A CN202310988293.8A CN202310988293A CN117037941A CN 117037941 A CN117037941 A CN 117037941A CN 202310988293 A CN202310988293 A CN 202310988293A CN 117037941 A CN117037941 A CN 117037941A
Authority
CN
China
Prior art keywords
mass
concentration
sample
conversion
particle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310988293.8A
Other languages
English (en)
Inventor
陈启晴
杨颜
施华宏
李月
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East China Normal University
Original Assignee
East China Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by East China Normal University filed Critical East China Normal University
Priority to CN202310988293.8A priority Critical patent/CN117037941A/zh
Publication of CN117037941A publication Critical patent/CN117037941A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/62—Plastics recycling; Rubber recycling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种微塑料颗粒的数量浓度‑质量浓度的转换方法，涉及浓度转换技术领域，具体步骤为：按照预先设定的质量值获取不同粒级的塑料颗粒作为待处理样本；对待处理样本进行预处理，对预处理后的待处理样本进行颗粒计数以及颗粒图像分析；基于颗粒图像分析结果构建多个微塑料质量转换模型；利用待处理样本的质量值、对应的颗粒计数以及验证样本集对多个微塑料质量转换模型进行筛选，获得最终微塑料质量转换模型；获取待转换样本参数，利用最终微塑料质量转换模型进行浓度转换。本发明通过单投影分析和多投影分析相结合的方法，提高了浓度转换的速度与准确度，为正确评估环境微塑料的生态风险提供了准确的数据支持。

Description

一种微塑料颗粒的数量浓度-质量浓度的转换方法
技术领域
本发明涉及浓度转换技术领域，更具体的说是涉及一种微塑料颗粒的数量浓度-质量浓度的转换方法。
背景技术
微塑料与天然颗粒和生物体在广泛的环境条件下相互作用，而这些环境条件在空间和时间上更加多样化，因此在评估这些颗粒对环境和人类健康造成的风险方面具有一定的挑战。由于具有复杂的组成，“微塑料”不能被视为一种单一的污染物，而是要关注其各异的形貌特征，并针对一系列类型、大小和形状特定的微塑料进行研究。为了正确评估环境微塑料的生态风险，精确定量混合微塑料的丰度是关键的一步。
质量浓度(MC)是表达水生环境中微塑料暴露和摄取的标准。由于微塑料被发现可能会对生物体甚至人体造成影响，所以越来越多的研究者开始关注微塑料暴露的环境和健康风险。许多室内暴露研究发现，微塑料暴露可能会导致水生生物一系列的毒理学效应，包括生长抑制、氧化损伤、炎症效应等。在实验室研究中发现，微塑料暴露的定量单位往往采用单位体积或单位质量浓度，如mg/L和mg/kg等。这与室内暴露实验中选用的商品化微塑料的可获得性及尺寸较小等原因相关。
但在实际的野外调研中，微塑料的浓度表述常常采用数量浓度。现已在空气、水、土壤和沉积物等环境介质中广泛检出微塑料，对于这些野外采集的微塑料的浓度，研究者们通常以单位体积、面积或质量内的颗粒数来报道，即数量浓度(NC)，如particles/L、particles/m2和particles/g。这与野外样品的形貌各异、尺寸较大，以及鉴定方法等原因相关。
因此，微塑料的室内暴露浓度和野外实测浓度之间存在表达方式的巨大差异，量化单位的不同使得无法有效建立起微塑料对生物的毒性与其在环境中的丰度之间的直接关系。对于以数量浓度为单位的微塑料表述，若要将其转化为质量浓度，通常需要对微塑料进行称重。而由于微塑料种类多样，且单个微塑料体积和质量都很小，为逐一称重测量带来巨大困难。因此迫切需要一种实用易行的微塑料的度量转换方法，来实现不同度量浓度之间快速而准确的换算，以将真实的水生环境中微塑料的发生与它的毒理学效应联系起来。
对微塑料开展一致的风险评估需要对检出浓度和暴露浓度数据进行对应。这意味着，无论用什么标准或单位来描述，都需要将数量浓度和质量浓度两者进行转换和统一。但是，现有的方法仍然难以实现数量—质量浓度的准确、快速转换，其原因如下：首先，文献中对微塑料使用了不同的定义，其产生的差异与不同定义中微塑料的尺寸范围有关(Wagneret al.，2014)。其次，不同研究中检测微塑料数量浓度的方法具有不同的尺寸检测下限(Koelmans et al.，2019)。由于尺寸较小的颗粒通常有着更高的数量浓度，因此使用更精细的筛网或过滤网尺寸，并使用精确的光谱鉴定方法对包含小尺寸的微塑料样品进行分析时，通常会获得更高的数量浓度(Koelmans et al.，2019)。用于采样的筛网或网通常具有例如20、100、300或333μm的最小尺寸限值。在检测方法方面，如目视检查、ATR-FTIR、焦平面阵列FTIR(FPA-FTIR)或Raman，通常对应于1000、300、20或1μm的尺寸检测限值(Minteniget al.，2018)。此外，在微塑料的质量浓度测定方面，由于采样体积会影响具有较大质量的大颗粒微塑料的检出率，当采样体积过小时，检出频率较低的大颗粒可能会被遗漏(Karlsson et al.，2020)。因此，上述方法的差异导致了不同研究结果的数量和质量浓度数据之间不可比。
近年来，已有一些研究探讨了微塑料的数量-质量浓度转换，但往往将尺寸变化和不规则形状过度简化了。如Leusch和Ziajahromi(2021)提供了非常准确的规则粒子的转换方程，其前提假设是将复杂的塑料珠子和纤维作为球体和圆柱体考虑，从而导致方程对不规则形状的微塑料不太适用。Senathirajah等(2021)也尝试将0～1毫米范围内的微塑料的数量转化为质量值，然而，由于模型所包含的微塑料数量和质量的数值较少，而且大多数数据没有达到很高的质量保证标准，所以该模型存在极大的不确定性。Kooi和Koelmans(2019)用尺寸、形状和密度的概率密度函数定义了环境微塑料，考虑了常见微塑料形状类别(如球体、碎片、薄膜、纤维)的长度/宽度/高度比率分布及其在环境中的相对丰度，将Corey形状因子(CSF)分布(Waldschlaeger and Schuettrumpf，2019)与椭球体模型结合可用于将数量转换为体积和质量浓度。还有Cozar等(2014)提出的底部是正方形，高度是底边长的0.1倍的矩形棱柱模型；Simon等(2018)提出的高度为宽度的0.67倍的椭球体模型；Isobe等(2019)提出的高为底面直径的0.4倍的圆柱体模型。但上述这些几何体模型都没有细致考虑颗粒的不规则形态变化，并且没有采用实际样品进行验证，用于估计环境微塑料质量的准确性尚不明确。
数量—质量浓度的换算还存在其他一些现实意义。环境中的微塑料在老化后极易破碎，数量浓度容易发生改变，而质量浓度不容易受到影响(Andrady，2011)，因此，将微塑料数量浓度转换为体积和质量浓度，有利于进行量化和比较。综上，提供一种准确度较高的数量浓度-质量浓度的转换方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种微塑料颗粒的数量浓度-质量浓度的转换方法，解决了上述问题。
为了实现上述目的，本发明提供如下技术方案：
一种微塑料颗粒的数量浓度-质量浓度的转换方法，具体步骤为：
按照预先设定的质量值获取不同粒级的塑料颗粒作为待处理样本；
对待处理样本进行预处理，对预处理后的待处理样本进行颗粒计数以及颗粒图像分析；
基于颗粒图像分析结果构建多个微塑料质量转换模型；
利用待处理样本的质量值、对应的颗粒计数以及验证样本集对多个微塑料质量转换模型进行筛选，获得最终微塑料质量转换模型；
获取待转换样本参数，利用最终微塑料质量转换模型进行浓度转换。
可选的，待处理样本获取过程中，在相同塑料类型的同粒级塑料颗粒中设立多个平行样组。
可选的，预处理的具体步骤为：
将待处理样本置入试管中；
在试管中加入100％的乙醇，并进行摇晃，获得颗粒均匀分散的颗粒溶液；
将颗粒溶液吸取到干净的玻璃载玻片上，并对器具进行多次清洗和转移，以保证颗粒全部转移至玻璃载玻片上。
可选的，颗粒图像分析的具体步骤：
对玻璃载玻片上的样本颗粒进行投影图像的拍摄；
基于投影图像获取颗粒投影的尺寸参数和形状参数；
基于颗粒投影的尺寸参数和形状参数获得样本颗粒的厚度转换参数。
可选的，投影图像包括单投影图像和多投影图像。
可选的，获取颗粒投影的尺寸参数和形状参数的具体步骤为：
利用Gause-Laplace算法基于投影图像提取每个颗粒的边缘轮廓；
基于投影图像和每个颗粒的边缘轮廓计算颗粒投影的尺寸参数和形状参数。
可选的，形状参数包括球形度、长宽比、圆度和坚固度。
可选的，多个微塑料质量转换模型的构建步骤为：
基于单投影图像获取样本颗粒的尺寸参数和形状参数；
基于多投影图像获取样本颗粒的厚度转换参数；
基于样本颗粒的尺寸参数、形状参数和厚度转换参数构建多个微塑料质量转换模型。
可选的，最终微塑料质量转换模型的获取步骤为：
根据多个微塑料质量转换模型的估计质量与测量质量之间的拟合优度，筛选最终微塑料质量转换模型。
可选的，微塑料质量转换模型的估计质量的表达式为：
Mest＝f(SFs,Mi)；
式中，SFs为形状参数值；Mi为第i个微塑料的质量转换模型的计算质量。
经由上述的技术方案可知，与现有技术相比，本发明公开了一种微塑料颗粒的数量浓度-质量浓度的转换方法，通过单投影分析和多投影分析相结合的方法，提高了浓度转换的速度与准确度，为正确评估环境微塑料的生态风险提供了准确的数据支持，提高了生态风险评价的可信度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明中Models8-24对样品组1微塑料的估计质量与实测质量的拟合示意图，其中，A1-A4为球形度值在0.50和0.75之间的颗粒的模型拟合示意图；B1-B4为球形度值在0.75和0.85之间的颗粒的模型拟合示意图；C1-C4为球形度值在0.85和0.95之间的颗粒的模型拟合示意图；
图2为本发明中Models1-34对样品组1微塑料的估计质量与实测质量的比较示意图，其中，A为Models 1-7得出的微塑料样品组1的估计质量与测量质量的比较示意图；B为Models 25-30得出的微塑料样品组1的估计质量与测量质量的比较示意图；C为Models 31-34得出的微塑料样品组1的估计质量与测量质量的比较示意图；D为单投影方法中，从0.50到0.95变化的不同球形度值的微塑料样品组1的代表性形态的投影图像示意图；E为Models11、14、17对球形度值为0.50～0.75的微塑料样品组1的估计质量和测量质量的比较示意图；F为Models 8-15对球形度值为0.75～0.85的微塑料样品组1的估计质量和测量质量的比较示意图；G为Models 8-9、11、13、14、17、18、20、21对球形度值为0.85～0.95的微塑料样品组1的估计质量和测量质量的比较示意图；
图3为估算微塑料样本组2的误差示意图；其中，A-C为实施例创建的模型的误差示意图；D-F为基于2D单投影的经验模型的误差示意图；G为基于3D多投影的经验模型的误差示意图；H为筛选出的模型(Models 14、13、28和32)对于环境微塑料(样本组3)的绝对估计误差；I为筛选出的模型(Models 14、13、28和32)对于每100个微塑料的劳动时间比较；
图4为本发明的方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种微塑料颗粒的数量浓度-质量浓度的转换方法，如图4所示，首先按照预先设定的质量值称取不同粒级的塑料颗粒作为待处理样本；其次，对待处理样本进行预处理，对预处理后的待处理样本进行颗粒计数以及图像分析；再次基于待处理样本的质量值和图像分析结果构建微塑料质量转换模型；最终获取待转换数据，基于微塑料质量转换模型实现数量浓度-质量浓度的转换，更精确地实现数量浓度-质量浓度的转换。
实施例1
首先，对于粒级在50～150、150～300、300～500、500～800和800～1000μm范围内的微塑料，使用精密天平(Sartorius BSA124S，德国，精度1.0×10-4g)分别称取5.0、10.0、50.0、100.0和200.0mg。每种塑料类型的每个粒级都设置三个平行。所有称量过的微塑料都储存在1.5mL的离心管中，并且检查称量纸上是否有残留的颗粒；如果有残留，则将数量记录到结果中。接下来在每支试管中加入1000μL的浓度为100％的乙醇(经5μm混合纤维素滤膜过滤过的乙醇)，上下摇晃试管10次，使颗粒均匀分散。然后，立即将200μL的50～100μm的颗粒溶液或1000μL的其他粒级的颗粒溶液吸取到干净的玻璃载玻片上。用乙醇冲淋移液枪的枪头和试管的内壁两次，以冲洗掉任何粘附的微塑料至玻璃载玻片上。在乙醇挥发至干燥后(10分钟内)，于体视显微镜(奥林巴斯BX53，东京，日本)下对载玻片上的所有颗粒进行计数。由于5.0mg的50～100μm的微塑料有～10000个颗粒，所以取五分之一的均匀溶液(200μL)进行计数。其他粒级的微塑料则计数1000μL颗粒溶液中的全部颗粒。测量的颗粒数量-质量值见表1。微塑料的平均测量质量(表示为Mmea)是通过将总质量除以每个平行的颗粒数量获得的值。
表1不同尺寸微塑料的质量和数量值
其次，使用配备了900万像素的AxioCam数码相机的Carl Zeiss Discovery V8体视显微镜(Micro Imaging GmbH，哥廷根，德国)，在亮场(光强度：30～50，ISO：400，像素：600dpi)下拍摄微塑料图像，采用单投影分析，单投影分析被认为是一种2D方法，具体为：在屏幕上定位和对焦后，每个平行样本拍摄60个颗粒的单投影照片。从每个平行中随机选择30个分散的、无遮挡的颗粒，对图像进行二值化处理，以获得高对比度的黑白图像，颗粒为黑色背景上的白色区块。总共处理了6840张颗粒单投影图像。
为了提高质量估计的准确性，还进行了多投影分析，以获得经验性的微塑料厚度转换方程式和参数。多投影分析被认为是一种3D方法，因为需要从六个方向对颗粒进行显微成像。在拍摄多投影照片时，应以完全随机的方向观察颗粒。由于粒子倾向于稳定在其最大平面上，因此使用乙烯基胶水和镊子随机改变每个颗粒的角度，并从六个不同的方向在显微镜下成像。在14个粒级(300～1000μm)的每个平行样本中随机选择五个颗粒拍摄。多投影对大于300μm的颗粒是可操作的，但获得的几何关系适用于更广范围的50～1000μm的所有颗粒状微塑料。本实施例中对630个微塑料都拍摄了三张最大面积和三张最小面积的投影照片，3780张照片经过对象选择和二值化填充的进一步处理，最终获得它们的黑白图像。
所有的2D单投影图像都在ImageJ软件(Fiji，1.53c版，美国)中进一步分析。测量了表2中所有颗粒投影的尺寸参数和形状参数。根据长度和宽度获得了微塑料的厚度转换参数T1＝W2/L和对于其他四种厚度转换参数，包括T2＝k1W、T3＝k2L、则基于从所有多投影图像中分析获得的k1-k4来假设关系式，其中，k1和k2分别是根据多投影法计算的Tm/Wm和Tm/Lm的平均值，k3和k4分别是根据多投影法计算的Dm,z/Dm,y和Dm,z/Dm,x的平均值。这些几何关系适用于50～1000μm的所有颗粒微塑料，因此在应用过程中只需要进行单投影分析，而同时又可以获得更高的精度。
表2筛分尺寸、单投影(2D)和多投影(3D)显微尺寸、质量和形状的参数、符号和定义/描述
在分析时，首先是运用图像分割算法在二值化图像上提取出每个颗粒的边缘轮廓。本实施例中采用Gause-Laplace算子进行边缘轮廓提取，与现有技术相比，具有边缘封闭、轮廓完整、对比清晰等优点，为了继续加强这个特点，改良了这个算法(即增强了边缘分割的掩膜运算核，使图像中有差异的边缘部分更为明显)得到了更符合需求的边缘。
所有微塑料样本的二值化图像都在ImageJ软件中进一步分析。通过以下四个步骤获得每个颗粒的面积、周长、拟合椭圆、Feret径(颗粒轮廓两边平行切线之间的距离)和形状因子(SFs)：(1)比例校准，(2)颜色遮蔽，(3)因子选择和(4)颗粒分析。具体为：当分析单张二值图时，首先根据尺寸或者像素设置准确的比例尺，将图片类型设为8-bit，再调整阈值来区分颗粒与背景，然后选取上述需要测量的参数，最后分析获得图中所有颗粒的参数值。多张二值图也可以同时进行分析，只需要记录四个步骤，在多图分析中输入，并设置图片所在的位置就可以快速获得所有颗粒的信息。
微塑料的显微尺寸分别基于单投影和多投影图像被分成2D和3D尺寸参数。此外，还可分为四个形状描述子，即球形度(4πA/P2)，长宽比(Dx/Dy)，圆度和坚固度(A/Aconvex)。球形度(C)是一个描述粒子球形度的参数，是对伸长率的另一种描述，考虑了周长的平滑度，粒子越圆，它越接近于1。其次，长宽比(AR)反映了粒子的总伸长率，它越大表明粒子越长。圆度反映了粒子接近一个完美圆的程度。最后，坚固度反映了粒子的面积和凸包面积彼此接近的程度。边缘比较粗糙或不平整的粒子可能坚固度较低，完全光滑的粒子的坚固度为1.0。除长宽比的范围大于1之外，其他三个形状参数球形度、圆度和坚固度的范围都在0到1之间。从微塑料样本不同形状描述子的分析结果中可以发现，颗粒的球形度分布在0.5～0.9之间，平均为0.74；长宽比在1.0～2.5之间，平均为1.52；圆度在0.4～1.0之间，平均为0.69；坚固度在0.8～1.0之间，平均为0.96。制备了不同程度的不规则微塑料颗粒，覆盖了50～1000μm的19个尺寸粒级。得到了微塑料的各种形状和不同尺寸的实际质量，建立了24个形状和厚度相结合的单投影几何模型。
本实施例中所有过程都是在生物安全柜中完成的，以减少空气污染的可能性，用Milli-Q水清洗筛网以去除可能附着的潜在颗粒，用铝箔包裹，并在电热恒温培养箱(HPX-9052MBE，中国上海)中干燥。此外，在筛分过程的前、中、后期分别进行了30分钟的无颗粒筛分，在体视显微镜下没有发现大于50μm的颗粒。设置了平行的程序空白对照(n＝3)，在整个过程中没有观察到任何微塑料颗粒的污染。
再次，为了从2D单投影分析中估计微塑料的质量(Mest)，建立了24个结合特征参数的球体、椭圆体、圆柱体和立方体模型(如表3所示和表4所示)。其中，Models 1-7是使用微塑料的不同尺寸参数的简单球体，Models 8-24是结合了从3D多投影分析中得到的厚度信息的不同几何体模型。用上述模型估计微塑料的质量，也考虑了不同的SFs值，即Mest＝f(SFs,Mi)，其中Mi(i＝8-24)为相应模型计算的质量。Models 25-30是文献中报道的经验模型。对基于Models 1-34的方程计算的Mest和Mmea之间的拟合优度进行了比较，以筛选适合质量转换的模型。
其中，2D投影中缺失的厚度信息可以通过3D投影方法获得。在3D多投影分析中，计算发现微塑料(n＝630)的Tm/Wm和Tm/Lm的比率相当恒定，分别为0.67±0.13和0.54±0.14。相应地，针对除椭球体以外的其他模型，得出了三种厚度转换参数：T1＝W2/L、T2＝0.67W和T3＝0.54L。类似地，对于椭球模型，拟合椭球的z轴尺寸也被获得：Dz1＝Dy 2/Dx、Dz2＝0.69Dy和Dz3＝0.55Dx。
此外，另外两批样本组被用于模型验证，包括实验室来源的微塑料(样本组2)和水生环境微塑料(样本组3)。样品组2是具有与组1相似的尺寸和球形度范围的颗粒。对这些微塑料以相同的程序进行处理和分析，并用于进一步验证基于样本组1筛选出的模型。最终用样本组3对筛选出的最佳模型和经验模型进行应用和比较。对这24组微塑料进行计数、2D和3D分析。每个模型都有来自每个平行样本的估计误差(％)。通过计算每个模型的多个估计误差(％)值的平均值±标准误(SEM)，比较不同模型的准确性。
使用SPSS(19.0版，美国IBM)、GraphPad Prism(8.0版，美国GraphPad)和OriginPro(9.0版，美国OriginLab)对结果进行分析和绘图。所有数据首先通过Shapiro-Wilk正态性检验。然后，通过Spearman相关性分析获得p值，测试SFs、Mest和Mmea之间的相关性；通过方差分析和LSD事后检验确定模型误差之间的显著差异。微塑料模型的质量转换精度通过拟合优度R2以及估计误差(％)进行评估。
表3 Models 1-24的详细描述和图形以及Models 25-34的经验方程
表4建立的模型1-24的方程.
表4中，ρ为密度。
实施例2
在大多数情况下，2D图像表示颗粒在平坦表面的稳定位置上的单个投影。这种情况下的预测可能会有偏差，因为丢失的信息通常对应于最短的颗粒维度。3D多投影方法可以充分反映微塑料的特性，但由于需要从不同投影方向拍摄多幅图像，所以很麻烦，因此本实施例通过结合形状和厚度信息，创建了Models 8-24，即改进的厚度合并(3D+2D)投影模型(如表4所示)。对于球形度值C在0.50～0.75之间的粒子，Model 11(球体模型)和Models14和15(椭球体模型)具有良好的质量估计精度。当球形度值在0.75～0.85之间时，Models8-15(球体和椭球体模型)更加适用。当球形度值在0.85～0.95之间时，Models 8、9和11(球体模型)、Models 13和14(椭球体模型)以及Models 17、18、20和21(圆柱体模型)都非常适合这种类型的近球体粒子(如图1所示)。最后，球形度值为0.95～1.00的颗粒可以直接视为完美球体。总之，基于上述结果，筛选出了在不同球形度范围内具有较高R2值的模型方程(如图2和表5所示)，拟合优度R2＝(TSS-RSS)/TSS＝1-RSS/TSS(TSS为总体平方和；RSS为残差平方和)，当RSS≤TSS时，R2≥0。当RSS>TSS时，R2<0。
表5本实施例中创建的模型和经验模型对微塑料(样本组2)的质量估计误差(％)
表5中，C为球形度值。
对于转换模型验证，首先使用实验室采购的微塑料样品组2。除Models 28和32外，大多数经验模型的精度相对较低，Model 28和Model 32显示0.50≤C<0.75的颗粒的估计误差分别为-1.3％±11.0％和4.0％±6.7％。所有其他模型的平均估计误差均在±5％以上(如图3所示)。
相比之下，通过本方法改进的结合了3D分析的形状和厚度转换参数的2D单投影模型获得了更好的质量估计精度(如图3所示)。对于0.75≤C<0.85和0.85≤C<0.95的微塑料，使用Model 13的估计误差分别仅为2.0％和-3.1％，显示出最佳的准确性。对于0.50≤C<0.75的微塑料，Model 14是性能最佳的模型，其估计误差为7.1％，但略高于5％阈值。由于Model 13也适用于0.95<C≤1.00的颗粒，因此最终将微塑料按球形度分为两类(0.50≤C<0.75和0.75≤C≤1.00)，相应的方程式如表6所示。
表6筛选出来的微塑料颗粒的质量转换模型
为了进一步比较三组筛选出的模型，还使用了环境微塑料样本组3进行测试。显然，本方法构建的最终质量转换模型Models 14和13产生的估计误差平均值(2.0％)小于经验模型Model 28(2.4％)和Model 32(-6.4％)(表7)。此外，Models 14和13产生的绝对估计误差(％)(4.3％±0.6％)显著低于经验Model 28(8.4％±1.4％)和Model 32(7.8％±0.8％)(图3中的H)。此外，对于这些筛选出的模型，执行图像投影(Projection)、聚合物识别(Identification)、尺寸参数分析(Analysis)和质量估计计算(Calculation)所需的劳动时间累积起来之后，发现Models 14和13以及Model32都需要大约3个小时来分析100个微塑料，而Model 28额外需要大约2个小时来进行颗粒的3D多重投影，这对于实际的环境微塑料样品来说并不现实。因此，本方法构建的最终质量转换模型Model 14和Model 13在精度和效率方面具有最佳性能。基于数据驱动构象建立了这两个性能最佳的椭球模型，在捕获微塑料颗粒的2D投影图像后，ImageJ可以自动提取质量转换所需的形状和尺寸参数。
球形度被强调是最具代表性的形状因子，当微塑料颗粒的球形度C在0.5～1.0之间时，模型预测性能较好(对环境微塑料进行分析发现，99.8％的微塑料都在这个球形度范围内)。本研究中的形状和厚度子结合(3D+2D)模型已被证明能够准确估计微塑料质量，预测误差极低。
表7筛选出的模型对微塑料(样本组3)的质量估计误差(％)
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种微塑料颗粒的数量浓度-质量浓度的转换方法，其特征在于，具体步骤为：
按照预先设定的质量值获取不同粒级的塑料颗粒作为待处理样本；
对待处理样本进行预处理，对预处理后的待处理样本进行颗粒计数以及颗粒图像分析；
基于颗粒图像分析结果构建多个微塑料质量转换模型；
利用待处理样本的质量值、对应的颗粒计数以及验证样本集对多个微塑料质量转换模型进行筛选，获得最终微塑料质量转换模型；
获取待转换样本参数，利用最终微塑料质量转换模型进行浓度转换。
2.根据权利要求1所述的一种微塑料颗粒的数量浓度-质量浓度的转换方法，其特征在于，待处理样本获取过程中，在相同塑料类型的同粒级塑料颗粒中设立多个平行样组。
3.根据权利要求1所述的一种微塑料颗粒的数量浓度-质量浓度的转换方法，其特征在于，预处理的具体步骤为：
将待处理样本置入试管中；
在试管中加入100％的乙醇，并进行摇晃，获得颗粒均匀分散的颗粒溶液；
将颗粒溶液吸取到干净的玻璃载玻片上，并对器具进行多次清洗和转移。
4.根据权利要求3所述的一种微塑料颗粒的数量浓度-质量浓度的转换方法，其特征在于，颗粒图像分析的具体步骤：
对玻璃载玻片上的样本颗粒进行投影图像的拍摄；
基于投影图像获取颗粒投影的尺寸参数和形状参数；
基于颗粒投影的尺寸参数和形状参数获得样本颗粒的厚度转换参数。
5.根据权利要求4所述的一种微塑料颗粒的数量浓度-质量浓度的转换方法，其特征在于，投影图像包括单投影图像和多投影图像。
6.根据权利要求4所述的一种微塑料颗粒的数量浓度-质量浓度的转换方法，其特征在于，获取颗粒投影的尺寸参数和形状参数的具体步骤为：
利用Gause-Laplace算法基于投影图像提取每个颗粒的边缘轮廓；
基于投影图像和每个颗粒的边缘轮廓计算颗粒投影的尺寸参数和形状参数。
7.根据权利要求4-6任意一项所述的一种微塑料颗粒的数量浓度-质量浓度的转换方法，其特征在于，形状参数包括球形度、长宽比、圆度和坚固度。
8.根据权利要求5所述的一种微塑料颗粒的数量浓度-质量浓度的转换方法，其特征在于，多个微塑料质量转换模型的构建步骤为：
基于单投影图像获取样本颗粒的尺寸参数和形状参数；
基于多投影图像获取样本颗粒的厚度转换参数；
基于样本颗粒的尺寸参数、形状参数和厚度转换参数构建多个微塑料质量转换模型。
9.根据权利要求1所述的一种微塑料颗粒的数量浓度-质量浓度的转换方法，其特征在于，最终微塑料质量转换模型的获取步骤为：
根据多个微塑料质量转换模型的估计质量与测量质量之间的拟合优度，筛选最终微塑料质量转换模型。
10.根据权利要求9所述的一种微塑料颗粒的数量浓度-质量浓度的转换方法，其特征在于，微塑料质量转换模型的估计质量的表达式为：
Mest＝f(SFs,Mi)；
式中，SFs为形状参数值；Mi为第i个微塑料的质量转换模型的计算质量。
CN202310988293.8A 2023-08-07 2023-08-07 一种微塑料颗粒的数量浓度-质量浓度的转换方法 Pending CN117037941A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310988293.8A CN117037941A (zh) 2023-08-07 2023-08-07 一种微塑料颗粒的数量浓度-质量浓度的转换方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310988293.8A CN117037941A (zh) 2023-08-07 2023-08-07 一种微塑料颗粒的数量浓度-质量浓度的转换方法

Publications (1)

Publication Number Publication Date
CN117037941A true CN117037941A (zh) 2023-11-10

Family

ID=88629294

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310988293.8A Pending CN117037941A (zh) 2023-08-07 2023-08-07 一种微塑料颗粒的数量浓度-质量浓度的转换方法

Country Status (1)

Country Link
CN (1) CN117037941A (zh)

Similar Documents

Publication Publication Date Title
JP4266813B2 (ja) ステイン吸収の物理学的モデルに基づいて組織学的標本におけるステインを検出および定量化する頑強な方法
EP2681715B1 (en) Method and software for analysing microbial growth
JP3581149B2 (ja) 境界ピクセル・パラメータの規則正しいシーケンスを用いた物体を識別するための方法及び装置
CN109614851B (zh) 大气污染颗粒物形态参数的图像检测方法
CN111812013B (zh) 用于光学地检测生物标志物的方法
JP2022528693A (ja) アッセイ精度及び信頼性の向上
CN112381791A (zh) 一种基于3d点云的螺栓松动检测方法
CN106023153B (zh) 一种测量水体中气泡的方法
JP2023503564A (ja) 目標コーティング中の効果顔料を識別する方法及び装置
CN104390895B (zh) 基于显微成像的图像灰度测量颗粒粒径的方法
CN108335310B (zh) 一种便携式粒形粒度检测方法及系统
Schnepf et al. A practical primer for image-based particle measurements in microplastic research
CN105092452B (zh) 一种机制砂球体类似度的检测方法
CN111489351B (zh) 一种基于堆栈图像测量表层偏析程度的视频分析方法
CN117037941A (zh) 一种微塑料颗粒的数量浓度-质量浓度的转换方法
CN112213244A (zh) 基于机器学习的机动车尾气林格曼黑度测量装置及方法
JP2018163153A (ja) 粉体形状の分析方法、粉体の流動性評価方法、および粉体が分散された樹脂の流動性評価方法
Yoon et al. Improved modified pressure imaging and software for egg micro-crack detection and egg quality grading
CN115272292A (zh) 一种基于数字图像的粉煤灰珠形颗粒量化方法和系统
CN113324921A (zh) 一种黄芪种子叶绿素含量测定模型的构建方法和应用
CN111578869A (zh) 一种精确测定大气颗粒物采样膜沉积面积的装置及方法
JP2022523130A (ja) テクスチャ品質の視覚による比較を取り入れた、エフェクト色の配合を見つけ、適合させるための方法および装置
CN112014297A (zh) 一种机制砂颗粒粒形的评价方法
Pirard et al. Robustness of planar shape descriptors of particles
CN118071216B (zh) 基于lims系统的多维度可视化不合格数据分析方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination