微塑料是一种常见的食品污染物，对环境造成了严重的毁坏。
为了减轻其对环境和人类康健的潜在影响，我们首先须要找到它们。
因此，开拓前辈的成像识别系统，可以帮助污水处理厂和食品生产行业做出明智的决策，这也是滑铁卢（Waterloo）大学的跨学科研究团队研究的方向。

该团队利用了一种前辈的光谱学方法，将粒子暴露在一系列光波长下。
由于不同类型的塑料对光暴露的反应产生不同的旗子暗记，这些旗子暗记就像“指纹”一样，可以用来标志粒子是否为微塑料。
然而，由于存在制造添加剂和添补物，微塑料的种类繁多，这可能会在实验室环境中模糊“指纹”。
因此，从有机物质中识别出微塑料以及识别出不同类型的微塑料常日很困难，人工操作既耗时又随意马虎出错。

为理解决这个问题，团队开拓了一个名为PlasticNet的AI工具，该工具使研究职员能够比以前的方法快大约50%、准确率提高20%地剖析大量粒子。
团队构建了一个深度学习神经网络，以增强从光谱旗子暗记中识别微塑料的能力。
通过在现有文献来源和我们自己天生的图像上演习神经网络，以理解微塑料的各种组成并快速、精确地创造差异——无论指纹质量如何。

在当地的污水处理厂，帕克的前博士生Frank Zhu测试了该系统。
结果显示，该系统可以以前所未有的速率和准确性识别微塑料。
这些信息可以帮助处理厂采纳有效方法来掌握和肃清这些物质。
接下来，研究团队操持连续改进和测试PlasticNet系统，并为其供应更多数据以提高其微塑料识别能力的质量，知足更广泛的需求。
期待更多类似的工具能够被开拓出来用于环境保护中。