Desarrollo de un sistema para la detección e identificación de microplásticos en cuerpos de agua utilizando espectroscopia de impedancia

Abstract

Los microplásticos son partículas contaminantes de origen artificial que podrían presentar un riesgo para la salud humana si ingresan a la cadena trófica. Por tal motivo, identificarlos y clarificarlos en diferentes entornos es crucial al momento de ejecutar acciones para prevenir o mitigar su impacto. En consecuencia, en el presente trabajo se desarrolló una metodología que permite evaluar en qué entornos es más probable detectar y clasificar por tamaños partículas de 500µm, 1000µm y 1400µm - dos tipos de microplástico como lo son: el tereftalato de polietileno (PET) y el poliestireno expandido (EPS) en distintos entornos de agua. Debido a la complejidad (alta selectividad) que estos entornos pueden manifestar se escogió una lengua electrónica - en conjunto con una red de sensores -, pues este instrumento es idóneo para detectar elementos en soluciones de alta selectividad. Así las cosas, se evaluaron de forma independiente tres algoritmos de aprendizaje automático, máquinas de soporte vectorial, árboles de decisión y k vecinos más cercanos en ambientes compuestos por: agua potable y tres soluciones conformadas por agua potable y materia orgánica inerte, agua potable, materia orgánica inerte y materia inorgánica y agua potable con materia inorgánica, materia orgánica inerte y materia orgánica viva. Es importante mencionar que los dos tipos de microplástico se midieron de forma independiente en cada uno de los entornos y se obtuvieron rendimientos superiores al 80 % en la detección y clasificación por tamaño. (Texto tomado de la fuente)

Microplastics are contaminating particles of artificial origin that could present a risk to human health if they enter the food chain, for this reason identifying and classifying them in different environments is crucial when carrying out actions to prevent or mitigate their impact. For this reason in this work, a methodology was developed that allows for evaluating in which environments it is more likely to detect and classify by size, particles of 500µm, 1000µm and 1400µm, two types of microplastics such as Polyethylene Terephthalate (PET) and Expanded Polystyrene (EPS) in different water environments. Due to the complexity (high selectivity) that these environments can manifest, an electronic language was chosen in conjunction with a network of sensors because this instrument is ideal for detecting elements in highly selectivity solutions. Three machine learning algorithms, support vector machines, decision trees and k driest neighbors were evaluated independently in environments com- posed of: drinking water and three solutions consisting of drinking water and inert organic matter. Drinking water, inert organic matter and inorganic matter and drinking water inorganic matter, inert organic matter and living organic matter. The two types of microplastic were measured independently in each of the environments and performances greater than 80 % were obtained in detection and classification by size.