Высокочастотный ультразвук в сочетании с глубоким обучением позволяет выявлять микропластик и оценивать его размер

Почему крошечные частицы пластика важны для всех нас

Пластик распадается на частицы настолько мелкие, что мы их не видим, но они уже обнаруживаются в океанах, почве, воздухе и даже внутри органов человека. Отслеживание этих «микропластиков» важно для понимания того, как они перемещаются в окружающей среде и какое влияние могут оказывать на здоровье. Однако современные лабораторные методы медленные, дорогие и трудно применимы вне контролируемых условий. В этом исследовании рассматривается более быстрый, неразрушающий способ обнаружения и измерения микропластика с помощью звуковых волн и искусственного интеллекта, что открывает возможность мониторинга в реальном времени в реках, озерах и очистных сооружениях.

Слушая пластик с помощью звука

Вместо освещения частиц исследователи использовали высокочастотный ультразвук — звуковые волны далеко выше слышимого человеком диапазона — чтобы исследовать крошечные шарики из различных пластиков и эталонных материалов. Когда ультразвуковой импульс попадает в частицу, некоторая часть звука рассеивается обратно к детектору. Точная форма этого эха зависит от размера частицы и материалов, из которых она состоит, включая плотность и жесткость. Работая на частотах, соизмеримых с размерами частиц, команда добилась того, что возвращающиеся эхо-сигнатуры были богатыми и различимыми, неся информацию как о материале, так и о размере.

От необработанных эх до размеченных частиц

Чтобы превратить эту идею в рабочую систему, команда встроила пластиковые (PE и PMMA) и непластиковые (стеклянные и стальные) микрошарики в мягкий гель, имитирующий воду. Один ультразвуковой преобразователь сканировал образец по точкам, собирая трехмерный блок данных: два пространственных направления и время. Пользовательский алгоритм «извлечения пиков» затем просматривал этот блок в поисках самых сильных эхов, которые соответствуют отдельным частицам. Каждое обнаруженное эхо сверялось с соответствующими микроскопическими изображениями, чтобы подтвердить, что алгоритм действительно нацеливается на отдельные частицы, а не на шум или слипшиеся скопления, достигнув точности обнаружения примерно 96 процентов.

Обучение компьютеров распознавать пластик

После изоляции сигналов, относящихся к отдельным частицам, исследователи изучили их во временной и частотной областях. Они вычислили набор простых числовых признаков — например, насколько широко распределены частоты сигнала и где сосредоточена большая часть его энергии. Эти признаки по-разному проявлялись для разных материалов. Команда обучила несколько стандартных моделей машинного обучения на этих признаках и также построила одномерную сверточную нейронную сеть (1D-CNN), которая училась находить шаблоны непосредственно в необработанных частотных данных. Во множестве тестов CNN показала наилучшие результаты, корректно определяя материал отдельных частиц с усредненной точностью около 97 процентов, даже в смешанных образцах, содержащих несколько материалов одновременно.

Измерение размера, а не только типа

Помимо различения материалов, метод также может оценивать размер каждой частицы. Форма спектра обратно рассеянного ультразвука предсказуемо растягивается при изменении диаметра частицы. Чтобы уловить эту зависимость, исследователи обучили небольшие нейронные сети — многослойные перцептроны — по одной для каждого материала, чтобы классифицировать частицы в четыре диапазона размеров от примерно 20 микрометров до около 300 микрометров. Эти модели достигли средней точности выше 99 процентов, с почти идеальными показателями для большинства материалов. Важно, что все данные обучения и тестирования были разделены на уровне частиц, что гарантировало, что модели действительно проверялись на частицах, которых они ранее «не видели».

Шаги к мониторингу в реальных условиях

Хотя текущие эксперименты проводились со статичными частицами, встроенными в гель, базовый подход хорошо подходит для систем проточной воды. Оборудование для ультразвука компактно, а аналитический конвейер способен обрабатывать более тысячи сигналов в секунду — достаточно быстро, чтобы работать с непрерывными потоками. Основные оставшиеся задачи связаны с обнаружением очень мелких частиц с слабыми эхо и обработкой густонаселенных областей, где частицы перекрываются. Тем не менее исследование демонстрирует, что высокочастотный ультразвук в сочетании с современным ИИ может выступать как «сонар для микропластика», быстро определяя, из чего состоят частицы и какого они размера без использования химикатов или сложной оптики.

Что это значит для повседневной жизни

Для неспециалистов главный посыл в том, что у нас вскоре могут появиться инструменты, способные наблюдать за микропластиком в реальном времени, а не только после длительных лабораторных анализов. Это может помочь отслеживать загрязнение от заводов, очистных сооружений или ливневого стока и дать регулирующим органам и сообществам более качественные данные о том, где накапливается пластик. Слушая, как крошечные частицы рассеивают звук, этот метод предлагает практичный путь к мониторингу и, в конечном итоге, к управлению одной из самых распространенных форм современного загрязнения.

Цитирование: Zarrabi, N., Strohm, E.M., Rezvani, H. et al. High-frequency ultrasound combined with deep learning enables identification and size estimation of microplastics. npj Emerg. Contam. 2, 9 (2026). https://doi.org/10.1038/s44454-026-00029-1

Ключевые слова: микропластик, ультразвуковая детекция, глубокое обучение, экологический мониторинг, анализ размера частиц