Olografia digitale e intelligenza artificiale per identificare le microplastiche in mare
Team del Cnr-Isasi svela un nuovo metodo in grado di distinguere le microplastiche dal microplankton
[24 Gennaio 2020]
Lo studio “Microplastics identification via holographic imaging and machine learning”, pubblicato su Advanced Intelligent Systems (Wiley) da un team di ricercatori dell’Istituto di Scienze applicate e sistemi intelligenti del Consiglio nazionale delle ricerche (Cnr-Isasi), presenta «Un sensore olografico e un metodo innovativo di intelligenza artificiale che consentono di rilevare automaticamente la presenza di microplastiche in campioni marini, distinguendole dal microplankton».
Un lavoro importante che ha coinvolto i ricercatori di due gruppi del Cnr-Isasi: quello di Olografia digitale di Pozzuoli, coordinato da Pietro Ferraro, quello di Intelligenza artificiale di Lecce e al quale hanno partecipato Vittorio Bianco, Pasquale Memmolo, Pierluigi Carcagnì Francesco Merola, Melania Paturzo e Cosimo Distante. Un’attività di ricerca che è stata svolta nell’ambito del progetto interdisciplinare Pon “Sistemi di rilevamento dell’inquinamento marino da plastiche e successivo recupero-riciclo (Sirimap)”, uno dei cui obiettivi è proprio lo sviluppo di tecniche automatiche di monitoraggio delle plastiche in ambiente marino.
Bianco e Memmolo, ricordano che «L’inquinamento dei mari dovuto alla plastica è una delle maggiori emergenze ambientali che ci troviamo ad affrontare. Quando questi inquinanti scendono fino a dimensioni microscopiche, il problema è ancora più allarmante: le microplastiche possono infatti essere ingeriti della fauna marina destinata al consumo, entrando nella catena alimentare e causando effetti negativi sulla salute anche umana. Dimensioni ridotte degli inquinanti e vasta eterogeneità dei campioni marini, finora, hanno impedito di effettuare uno screening automatico ed accurato mirato a conoscere l’abbondanza delle microplastiche, Il metodo da noi proposto utilizza le informazioni fornite da un microscopio olografico a contrasto di fase, per estrarre da ciascun elemento analizzato un’ampia e inedita gamma di parametri altamente distintivi per questa classe di inquinanti. Tali parametri hanno consentito di addestrare un’architettura di intelligenza artificiale a distinguere le microplastiche da microalghe di dimensione e forma in apparenza similari».
Carcagnì, conclude: «L’unione di olografia digitale e intelligenza artificiale ci ha consentito di riconoscere decine di migliaia di oggetti appartenenti a diverse classi con accuratezza superiore al 99%. Più in dettaglio, la segnatura di contrasto di fase, che dipende dallo spessore ottico di ciascun oggetto illuminato, consente di determinare un nuovo insieme di caratteristiche olografiche, come ad esempio la support fractality o il fill ratio, che si aggiungono a quelle tipicamente utilizzate nelle classificazioni. Ciò ha consentito di definire un marcatore ottico, ovvero un insieme di parametri morfologici univoci per un’ampia classe di microplastiche, che include materiali, forme e dimensioni vari. Finora, il riconoscimento delle microplastiche in campioni marini ha richiesto lunghe ispezioni di ogni singolo oggetto al microscopio ottico da parte di personale esperto, riducendo il numero di elemento analizzabili, poche decine per ora di ispezione, e l’accuratezza del riconoscimento. Il nuovo metodo di olografia digitale fornisce invece un riconoscimento oggettivo di un numero statisticamente rilevante di campioni, fino a centinaia di migliaia di oggetti l’ora, con microscopi realizzabili in configurazioni portatili per analisi in situ della qualità delle acque».