韩国中央大学化学系洪成冠教授、金智贤教授研究团队通过融合人工智能(AI)与拉曼光谱法的新型分析框架，减少了微塑料定量过程中的不确定性，并提出了更准确、高效的分析可能性。该研究成果被认为能够进一步提升微塑料分析的精度与可信度，为环境监测与风险评估领域带来了重要转折点。

　　微塑料不仅在土壤、海洋、大气中，甚至在人体样本中也被检测到，作为环境与健康领域的重要问题备受关注。然而，在实际分析现场，由于信号强度低、背景信号复杂、测量时间长，以及仅测量滤膜部分区域的部分采样方式，定量结果的误差与不确定性一直被指为问题所在。为克服这些局限，研究团队优化了拉曼测量条件，并开发了基于AI的模型，能够稳定地识别低质量、高噪声的光谱。

　　研究结果表明，所开发的AI分析法在微塑料识别性能上优于传统的人工判读或常规光谱判别方式，并且能够自动评估颗粒的大小与形态。尤为重要的是，研究定量揭示了在实际样品中微塑料分布不均的情况下，部分采样可能对总数估算造成较大偏差，并同时提出了用于实现更高可靠定量的高效采样策略。该成果有望为未来微塑料分析标准化及数据可靠性保障做出重要贡献。

　　本研究的重大意义在于，展示了基于AI的光谱分析不仅能作为辅助技术，更能成为涵盖微塑料化学识别、物理特性分析及定量准确性提升的核心工具。研究团队提出的分析体系，预计将在未来环境污染物监测、风险评估以及为政策制定提供科学依据等方面得到广泛应用。

　　该研究成果发表于《Journal of Hazardous Materials》，研究得到了韩国环境产业技术院(KEITI)与韩国研究财团(NRF)的资助。
       （文中姓名均为音译）

　　来源：韩国大学期刊