Investigadores de la Universidad de Waterloo utilizan IA para identificar micropartículas de plástico en aguas residuales con mayor precisión y velocidad.

Utilizan IA para identificar micropartículas de plástico en aguas residuales. Fuente: Residuos Profesional

Un equipo de investigación interdisciplinar de la Universidad de Waterloo, en Canadá, utiliza la inteligencia artificial (IA) para identificar microplásticos con más rapidez y precisión que nunca.

Los microplásticos son contaminantes diminutos que causan importantes daños ambientales y potencialmente para la salud, por lo que encontrarlos es la clave para deshacerse de ellos.

El sistema avanzado de identificación por imágenes del equipo de investigación podría ayudar a las plantas de tratamiento de aguas residuales y a las industrias de producción de alimentos a tomar decisiones informadas para mitigar el impacto potencial de los microplásticos en el medio ambiente y la salud humana.

En busca de una herramienta analítica sólida que pudiera enumerar, identificar y describir los numerosos microplásticos existentes, el Dr. Wayne Parker, director del proyecto, y su equipo emplearon un método avanzado de espectroscopia que expone las partículas a una serie de longitudes de onda de luz. Los distintos tipos de plásticos producen señales diferentes en respuesta a la exposición a la luz. Estas señales son como huellas dactilares que también pueden emplearse para marcar las partículas como microplásticos o no.

A menudo, los investigadores se encuentran con que los microplásticos presentan una gran variedad debido a la presencia de aditivos de fabricación y cargas que pueden difuminar las «huellas dactilares» en el laboratorio. Esto dificulta la identificación de los distintos tipos de microplásticos. Suele ser necesaria la intervención humana para desentrañar patrones e indicios sutiles, lo que resulta lento y propenso a errores.

«Los microplásticos son materiales hidrófobos que pueden absorber otras sustancias químicas», explica Parker, profesor del Departamento de Ingeniería Civil y Medioambiental de Waterloo. «La ciencia aún está evolucionando en cuanto a la gravedad del problema, pero es teóricamente posible que los microplásticos potencien la acumulación de sustancias tóxicas en la cadena alimentaria».

Parker pidió ayuda al Dr. Alexander Wong, profesor del Departamento de Ingeniería de Diseño de Sistemas de Waterloo y titular de la Cátedra de Investigación en Inteligencia Artificial e Imagen Médica de Canadá. Con su ayuda, el equipo desarrolló una herramienta de IA llamada PlasticNet que permite a los investigadores analizar rápidamente grandes cantidades de partículas aproximadamente un 50% más rápido que los métodos anteriores y con un 20% más de precisión.

«Hemos creado una red neuronal de aprendizaje profundo para mejorar la identificación de microplásticos a partir de señales espectroscópicas», explica Wong. «La entrenamos con datos de fuentes bibliográficas existentes y con nuestras propias imágenes generadas para comprender la variada composición de los microplásticos y detectar las diferencias de forma rápida y correcta -independientemente de la calidad de la huella dactilar».

Frank Zhu, antiguo estudiante de doctorado de Parker, probó el sistema con microplásticos aislados de una depuradora local. Los resultados muestran que puede identificar microplásticos con una rapidez y precisión sin precedentes. Esta información puede facultar a las depuradoras para aplicar medidas eficaces de control y eliminación de estas sustancias.

Los próximos pasos consisten en seguir aprendiendo y probando, así como en alimentar el sistema PlasticNet con más datos para aumentar la calidad de sus capacidades de identificación de microplásticos con vistas a su aplicación en una amplia gama de necesidades.

Este trabajo se ha publicado recientemente en un artículo de investigación en la revista Environmental Pollution.

Fuente: Residuos Profesional