Uno dei problemi maggiori per le microplastiche è quantificarle e classificarle. Due studi dell’Università di Toronto hanno introdotto la possibilità di farlo mediante un processo automatizzato, a partire dall’utilizzo di un algoritmo.
Le microplastiche: una catastrofe in divenire
(Rinnovabili.it) – Una delle preoccupazioni emergenti nel campo dell’inquinamento è rappresentata dalla diffusione delle microplastiche. Sappiamo che ci circondano, che sono presenti negli ecosistemi di terra e d’acqua, ma non abbiamo ancora un modo efficace per conteggiarle. Dall’Università di Toronto arrivano due studi che propongono dei metodi per farlo, a partire dall’apprendimento automatico. “Analizzare un campione d’acqua per le microplastiche richiede davvero molto tempo”, ha spiegato Elodie Passeport, dei dipartimenti di ingegneria civile, mineraria e chimica. “Possono essere necessarie fino a 40 ore per analizzare completamente un campione delle dimensioni di un barattolo di vetro e quel campione riguarda un tempo definito. Diventa particolarmente difficile quando si desidera effettuare confronti nel tempo o osservare campioni provenienti da diversi corpi d’acqua”.
La plastica ha tempi di degradazione che vanno da centinaia a migliaia di anni. Nel corso di questi intervalli si scompone in particelle sempre più piccole. Quando le dimensioni dei frammenti stanno tra gli 0,1 micrometri e 5 millimetri parliamo appunto di microplastiche. Tuttavia fino a ieri non esisteva un modo efficace di quantificarne il livello, né di determinare come esso vari nel tempo e nello spazio.
Gli studi
La ricerca è stata condotta da Elodie Passeport con Shuyao Tan, uno studente di Ph.D. in ingegneria chimica, e Joshua Taylor, un professore del dipartimento di ingegneria elettrica e informatica. “Ci siamo chiesti se ci potesse essere una misurazione approssimativa che potesse prevedere la concentrazione di microplastiche”, ha detto Passeport. “In collaborazione con il professor Taylor, che ha esperienza nell’apprendimento automatico e nell’ottimizzazione, abbiamo stabilito un modello di previsione che impiega un algoritmo addestrato in grado di stimare i conteggi microplastici dalle misurazioni di massa aggregata. Il nostro metodo ha garantito il tracciamento dagli errori con risultati simili al conteggio manuale, ma è meno costoso e più veloce, consentendo l’analisi di più campioni da più punti per stimare l’inquinamento microplastico”.
Lo studio, pubblicato a gennaio su ACS ES&T Water, permette di valutare manualmente solo una parte dei campioni, mentre il resto viene processato da un algoritmo. In questo modo, oltre a velocizzare i tempi, si riducono i margini di errore.
Dal conteggio a mano a quello automatizzato
Il metodo classico di conteggio delle microplastiche è la microscopia a luce visibile. I campioni vengono posti sotto un microscopio ottico e, uno a uno, sono prelevati con pinzette e contati. Si tratta di un lavoro che richiede intensi sforzi e ha ampi margini di errore. Bin Shi è candidato al Ph.D per il dipartimento di scienza ed energia dei materiali. In un articolo pubblicato su Science of The Total Environment, con la supervisione della professoressa Jane Howe, ha utilizzato i modelli del deep learning per il conteggio e la classificazione automatica delle microplastiche.
Il suo metodo utilizza microscopi elettronici di scansione, che segmentano le immagini delle microplastiche e le classificano per forma. “Il deep learning consente di accelerare la quantificazione delle microplastiche, soprattutto perché rimuove altri materiali che potrebbero creare false identificazioni”, ha spiegato.
