bei Google ScholarTitelangaben
Bifano, Luca ; Meiler, Valentin ; Peter, Ronny ; Fischerauer, Gerhard:
Detection of microplastics in water using electrical impedance spectroscopy and support vector machines.
In: Technisches Messen.
Bd. 90
(2023)
Heft 6
.
- S. 374-386.
ISSN 2196-7113
DOI: https://doi.org/10.1515/teme-2022-0095
Abstract
The detection of microplastics in water requires a series of processes (sample collection, purification, and preparation) until a sample can be analyzed in the laboratory. To shorten this process chain, we are investigating whether electrical impedance spectroscopy (EIS) enhanced by a classifier based on support vector machine (SVM) can be applied to the problem of microplastics detection. Results with suspensions of polypropylene (PP) and polyolefin (PO) in deionized water proved promising: The relative permittivities extracted from the measured impedances agree with literature data. The subsequent classification of measured impedances by SVM shows that the three classes "no plastic" (below the detection limit of 1 g plastic per filling), "PP" and "PO" can be distinguished safely independent of the background medium water. Mixtures of PO and PP were not examined, i.e. either PO or PP was filled into the measuring cell. An SVM regression performed after the SVM classification yields the microplastic concentration of the respective sample. Further tests with varying salinity and content of organic or biological material in the water confirmed the good results. We conclude that EIS in combination with machine learning (MLEIS) seems to be a promising approach for in situ detection of microplastics and certainly warrants further research activities.
Abstract in weiterer Sprache
Der Nachweis von Mikroplastik im Wasser erfordert eine Reihe von Prozessschritten (Probenentnahme, Reinigung und Aufbereitung), bis eine Probe im Labor analysiert werden kann. Um diese Prozesskette zu verkürzen, untersuchen wir, ob die elektrische Impedanzspektroskopie (EIS) die durch einen Klassifikator auf Basis einer Support-Vektor-Maschine (SVM) erweitert wurde, zur Mikroplastikdetektion angewendet werden kann. Ergebnisse mit Suspensionen von Polypropylen (PP) und Polyolefin (PO) in deionisiertem Wasser waren vielversprechend: Die aus den gemessenen Impedanzen extrahierten relativen Permittivitäten stimmen mit Literaturdaten überein. Die anschlieβende Klassifizierung der gemessenen Impedanzen mittels SVM zeigt, dass die drei Klassen “kein Kunststoff” (unterhalb der Nachweisgrenze von 1 g Kunststoff pro Füllung), “PP” und “PO” sicher unterschieden werden können, unabhängig vom Hintergrundmedium Wasser. Mischungen von PO und PP wurden wurden dabei nicht untersucht, d.h. es wurde entweder PO oder PP in die Messzelle gefüllt. Eine nach der SVM-Klassifikation durchgeführte SVM-Regression bestimmt die Mikroplastikkonzentration der jeweiligen Probe. Weitere Tests mit unterschiedlichem Salzgehalt und Gehalt an organischem oder biologischem Material im Wasser bestätigten die guten Ergebnisse. Wir schlieβen daraus, dass die EIS in Kombination mit maschinellem Lernen (MLEIS) ein vielversprechender Ansatz für die In-situ-Detektion von Mikroplastik ist und daher weitere Forschungsaktivitäten
rechtfertigt.
Weitere Angaben
| Publikationsform: | Artikel in einer Zeitschrift |
|---|---|
| Begutachteter Beitrag: | Ja |
| Zusätzliche Informationen: | Raw impedance data publicly available under https://doi.org/10.15495/do_ubt_2073 |
| Keywords: | Microplastics; electrical impedance spectroscopy (EIS); machine learning (ML); support vector machines (SVM); water-microplastic suspensions; Elektrische Impedanzspektroskopie (EIS); Maschinelles Lernen (ML); Mikroplastik; Wasser-Mikroplastik-Suspensionen |
| Institutionen der Universität: | Fakultäten > Fakultät für Ingenieurwissenschaften Fakultäten > Fakultät für Ingenieurwissenschaften > Lehrstuhl Mess- und Regeltechnik Fakultäten > Fakultät für Ingenieurwissenschaften > Lehrstuhl Mess- und Regeltechnik > Lehrstuhl Mess- und Regeltechnik - Univ.-Prof. Dr.-Ing. Gerhard Fischerauer Fakultäten |
| Titel an der UBT entstanden: | Ja |
| Themengebiete aus DDC: | 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften |
| Eingestellt am: | 19 Jun 2023 06:25 |
| Letzte Änderung: | 07 Jul 2023 09:47 |
| URI: | https://eref.uni-bayreuth.de/id/eprint/74247 |