Spectres Raman pour l’identification des plastiques (RaSPI) et cartes Raman pour l’identification des plastiques (RaMPI) — jeux de données

Pourquoi les indices plastiques minuscules comptent

Les déchets plastiques se sont répandus à travers la planète, des profondeurs océaniques aux sommets montagneux et même dans nos propres organismes. Pour comprendre combien de plastique est présent, où il circule et comment il peut affecter la santé, les scientifiques ont besoin de méthodes rapides et fiables pour déterminer de quel type de plastique est constitué un fragment minuscule. Cet article présente deux collections de mesures soigneusement constituées qui font office d’empreintes détaillées pour les plastiques, conçues pour aider les chercheurs et les programmes informatiques à reconnaître plus facilement et avec plus de précision les fragments plastiques.

Observer les plastiques avec de la lumière colorée

Une méthode puissante pour identifier les plastiques consiste à éclairer leur surface avec un laser et à enregistrer la façon dont la lumière est diffusée. Cette technique, appelée spectroscopie Raman, produit un motif de pics qui dépend des molécules présentes dans le matériau, un peu comme un code-barres. Elle fonctionne particulièrement bien sur des échantillons humides ou sales car l’eau n’interfère pas fortement avec le signal. Jusqu’à présent, de nombreuses bibliothèques d’empreintes plastiques provenaient de pièces propres fabriquées en usine et utilisaient des réglages et des niveaux de qualité différents, rendant difficile la comparaison des résultats ou l’entraînement de programmes capables de traiter des milliers de mesures sans aide humaine.

Constituer un jeu propre d’empreintes plastiques

La première nouvelle collection, appelée RaSPI, rassemble 402 spectres très détaillés provenant de 275 objets plastiques. Ces objets couvrent 14 familles plastiques courantes, allant des emballages alimentaires et gobelets aux matériaux techniques, et incluent à la fois des produits commerciaux et des fragments issus de la pollution réelle. L’équipe a utilisé deux couleurs de laser et enregistré sur une large plage de signal afin de capturer des caractéristiques subtiles. Ils ont aussi consigné la couleur, la provenance et d’autres observations pour chaque objet, puisque les colorants et additifs peuvent modifier le motif. Chaque spectre est partagé sous sa forme originale et sous une version nettoyée : l’arrière-plan distrayant est supprimé, les pointes lumineuses aléatoires sont corrigées et les données sont placées sur une grille commune pour que les différents spectres s’alignent proprement pour les analyses ultérieures.

Cartographier les particules plastiques en deux dimensions

La seconde collection, RaMPI, se concentre sur l’apparence des particules plastiques à la surface, comme de la poussière dispersée sur une lame. Ici, les chercheurs ont créé 34 petites cartes en balayant un laser sur des mélanges plastiques et en enregistrant un spectre à chaque point. Ensemble, ces cartes contiennent plus de 33 000 spectres, dont environ la moitié provient du plastique et l’autre moitié de l’arrière-plan vide. Les mesures ont été prises avec une seule couleur de laser sur une plage de signal plus étroite mais en variant fortement la puissance du laser et le temps d’exposition. Cette variation délibérée crée des données allant de très propres à assez bruitées, reflétant la qualité inégale que les scientifiques rencontrent dans des échantillons réels provenant de lacs, d’océans et de villes.

Apprendre aux ordinateurs à lire les signaux

Pour rendre ces cartes réellement utiles, l’équipe a étiqueté manuellement chaque spectre comme appartenant à l’un des 14 types de plastique ou comme vide. Ils ont ensuite vérifié la qualité technique des données en calculant les niveaux signal sur bruit et en confirmant que les étapes de traitement n’avaient pas déformé les formes globales. À titre d’essai pratique, ils ont entraîné un modèle informatique simple sur les spectres RaSPI puis lui ont demandé de classer tous les points des cartes RaMPI. Les réponses du modèle correspondaient étroitement aux étiquettes humaines sur de nombreuses cartes, montrant que les empreintes de RaSPI et les cartes de RaMPI sont cohérentes entre elles et bien adaptées au développement et à la validation d’outils informatiques.

Ce que ces jeux de données signifient pour la pollution plastique

Pour ceux qui s’inquiètent du plastique dans l’environnement, ces jeux de données ne constituent pas une étude directe sur la santé mais un coffre à outils partagé. En fournissant des empreintes ouvertes et bien documentées de nombreux plastiques du quotidien, y compris des fragments altérés par le temps avec des additifs inconnus, les collections RaSPI et RaMPI offrent aux chercheurs et aux développeurs de logiciels une base commune. Avec un meilleur matériel d’entraînement, les ordinateurs peuvent apprendre à repérer et trier les fragments plastiques plus rapidement et avec moins d’intervention humaine. Cela peut à son tour accélérer les relevés de pollution plastique dans l’eau, le sol et l’air, aidant les scientifiques et les décideurs à obtenir une image plus claire des trajets des plastiques et de l’ampleur réelle du problème.

Citation: Hogan, Ú.E., Voss, H.B., Lei, B. et al. Raman spectra for plastics identification (RaSPI) and Raman maps for plastics identification (RaMPI) datasets. Sci Data 13, 765 (2026). https://doi.org/10.1038/s41597-026-07103-8

Mots-clés: microplastiques, spectroscopie Raman, apprentissage automatique, pollution environnementale, jeux de données spectraux