JPhys Photonics编辑优选:色散编码快照4D学习实现水体微塑料智能监测
本篇研究来自香港大学林彦民课题组。本研究提出色散编码4D特征学习(3D空间+1D光谱)方法,用于水中微颗粒实时监测。三角棱镜将全息与光谱压缩至单帧,经光学模型与深度学习,无需重建即可从快照同步恢复空间坐标和类别。六类水体颗粒分类宏F1达98.10%;无监督F1较纯全息提升约15%,减轻标注依赖,为微塑料原位监测提供新手段。 文章介绍 Snapshot HoloSpec: Dispersion-Coded 4D Feature Learning for Waterborne Particle Monitoring Jingyan Chen(陈静妍), Yaping Zhao, Yuxing Li, Yanmin Zhu, Yuqing Cao and Edmund Y Lam(林彦民) 通讯作者: 林彦民,电气与计算机工程系,香港大学 研究背景: 塑料污染已成为全球最严峻的环境挑战之一。2019年全球塑料消费量达4.6亿吨,预计2060年将增至13.1亿吨。塑料碎片持续破碎形成尺寸1 µm至5 mm的微塑料,因降解慢、迁移性强、吸附性显著,已广布于陆、水、气生态系统,并经食物链威胁人类健康。 精准识别水中微塑料的种类、形态、尺寸与丰度,是研究其来源与生态影响的基础。然而现有手段局限明显:传统光谱方法(FTIR、Raman)昂贵耗时;常规光谱成像依赖复杂光学元件,成本高且分辨率受损;强度成像丢失相位信息;数字全息与单一模态结合则精度与便携性不足。 因此,需要一种低成本、高通量、可同时获取形态、空间与光谱信息的多维成像系统,以实现水中微塑料的原位监测。 研究内容: 研究团队设计了一种基于色散编码的快照式全息光谱成像系统。系统采用两路光源:532 nm单纵模激光提供无透镜在线数字全息通道,编码样品的3D形态与折射率信息;350–800 nm宽带白光LED提供透射光谱维度。两路光经合束后照射样品,再由一个12.7 × 12.7 mm的棱镜进行色散,最终由单色CMOS传感器记录压缩后的4D信号(3D空间 + 1D光谱)。针对图像处理建立了”物理反向传播 + 深度学习”双路径联合表征框架:通过角谱传播算法对色散全息图反向传播,得到样品的复光场Γ(x,y,z),恢复振幅与相位分布;同时通过监督与无监督两条学习路径,直接对快照图像进行分类。 实验对六类水体颗粒(PC、PMMA、PP、PVC、水蚤、环境杂质)进行了系统验证: HoloSpec提取的特征类内更紧凑、类间更可分;在四类视觉差异极小的微塑料中仍保持优异的识别性能。 Snapshot HoloSpec 方法: 硬件极简:仅用单只普通玻璃棱镜即实现全息与光谱信息的同孔径压缩采集; 免预处理、免标定:直接对原水样品进行4D监测; 降低标注依赖:无监督路径下F1提升约15%,特别适合动态水体场景;…