Les matériaux poreux et l'apprentissage automatique fournissent une méthode de surveillance des microplastiques peu coûteuse

Les techniques d’analyse optique et d’apprentissage automatique permettent désormais de détecter facilement les microplastiques dans les environnements marins et d’eau douce à l’aide de substrats métalliques poreux peu coûteux. Les détails de la méthode, développée par des chercheurs de l'Université de Nagoya avec des collaborateurs de l'Institut national des sciences des matériaux au Japon et d'autres, sont publiés dans la revue Communications naturelles.

La détection et l'identification des microplastiques dans les échantillons d'eau sont essentielles à la surveillance environnementale, mais elles constituent un défi en partie en raison de la similitude structurelle des microplastiques avec les composés organiques naturels dérivés de biofilms, d'algues et de matière organique en décomposition. Les méthodes de détection existantes nécessitent généralement des techniques de séparation complexes, longues et coûteuses.

“Notre nouvelle méthode peut simultanément séparer et mesurer l'abondance de six types clés de microplastiques : le polystyrène, le polyéthylène, le polyméthacrylate de méthyle, le polytétrafluoroéthylène, le nylon et le polyéthylène téréphtalate”, explique le Dr Olga Guselnikova de l'Institut national de la science des matériaux (NIMS).

Le système utilise une mousse métallique poreuse pour capturer les microplastiques de la solution et les détecter optiquement à l’aide d’un processus appelé spectroscopie Raman améliorée en surface (SERS). “Les données SERS obtenues sont très complexes”, explique le Dr Joel Henzie du NIMS, “mais elles contiennent des modèles perceptibles qui peuvent être interprétés à l'aide de techniques modernes d'apprentissage automatique”.

Pour analyser les données, l’équipe a créé un algorithme informatique de réseau neuronal appelé SpecATNet. Cet algorithme apprend à interpréter les modèles des mesures optiques pour identifier les microplastiques cibles plus rapidement et avec une plus grande précision que les méthodes traditionnelles.

“Notre procédure présente un immense potentiel pour surveiller les microplastiques dans des échantillons obtenus directement de l'environnement, sans aucun prétraitement requis, tout en n'étant pas affectée par d'éventuels contaminants susceptibles d'interférer avec d'autres méthodes”, explique le professeur Yusuke Yamauchi de l'Université de Nagoya.

Les chercheurs espèrent que leur innovation aidera grandement la société à évaluer l’importance de la pollution microplastique sur la santé publique et sur la santé de tous les organismes des environnements marins et d’eau douce. En créant des capteurs microplastiques peu coûteux et des algorithmes open source pour interpréter les données, ils espèrent permettre la détection rapide des microplastiques, même dans les laboratoires aux ressources limitées.

Actuellement, les matériaux requis pour le nouveau système permettent des économies de coûts de 90 à 95 % par rapport aux alternatives disponibles dans le commerce. Le groupe prévoit de réduire encore davantage le coût de ces capteurs et de rendre les méthodes simples à reproduire sans avoir recours à des installations coûteuses. En outre, les chercheurs espèrent étendre la capacité du réseau neuronal SpecATNet à détecter une gamme plus large de microplastiques et même à accepter différents types de données spectroscopiques en plus des données SERS.