技术特征：
1.一种用于在水基样品中检测和表征塑料微粒的过程，所述过程包括通过光谱流式细胞术对所述样品进行分析。2.根据权利要求1所述的过程，其中流式细胞术包括以下步骤：-将含有颗粒的水基样品转移通过流动池，所述流动池至少部分地对至少一种感兴趣波长基本透明，-用来自至少一个相干光源的具有一种感兴趣波长的光照射所述流动池中含有颗粒的所述水基样品，-记录所述颗粒的至少一种光学特性，所述至少一种光学特性由所述颗粒与所述流动池中具有感兴趣波长的至少一个光束的相互作用产生，-通过使用所述至少一种记录的光学特性来表征所述颗粒。3.根据权利要求1所述的过程，其中所述光谱流式细胞术包括记录步骤，所述记录步骤使用覆盖至少50％、至少75％或至少90％可见光谱的检测阵列来记录所述颗粒的至少一种光学特性，所述至少一种光学特性由所述颗粒与所述流动池中具有感兴趣波长的至少一个光束的相互作用产生。4.根据前述权利要求中的一项所述的过程，其中用于细胞术的细胞仪配备有至少4个激光器，例如，波长分别为405nm、488nm、561nm和640nm的4个激光器；或者波长分别为355nm、405nm、488nm、561nm和640nm的5个激光器。5.根据前述权利要求中的一项所述的过程，其中在流式细胞术期间，包括所述塑料微粒的衍射光和/或荧光诸如自发荧光的光谱由至少一个检测器记录。6.根据前述权利要求中的一项所述的过程，其中所述塑料微粒的衍射光和自发荧光由至少一个雪崩光电二极管检测器(apd)记录。7.根据前述权利要求中的一项所述的过程，其中在流式细胞术期间，通过记录脉冲信号的高度和面积来记录荧光信号、前向散射和/或侧向散射。8.根据前述权利要求中的一项所述的过程，其中所记录的数据由机器学习算法处理，所述机器学习算法可基于颗粒的独特光谱来区分和分类每个颗粒以表征所述颗粒。9.根据权利要求8所述的过程，其中所记录的数据由机器学习算法处理，所述机器学习算法涉及将由所述样品中不是基于塑料的颗粒所产生的光谱排除在外。10.根据权利要求8或9中的一项所述的过程，其中所述机器学习算法包括选自由以下组成的组中的至少一种算法：深度自动编码器、单类分类、生成对抗网络、一类支持向量机、隔离森林或它们的组合。11.根据权利要求8至10中的一项所述的过程，其中所记录的数据由机器学习算法处理，所述机器学习算法涉及通过使用监督算法将塑料颗粒分类成预定义类别。12.根据权利要求8至11中的一项所述的过程，其中所述监督算法包括选自由以下组成的组的至少一种算法：前馈神经网络、卷积神经网络、随机森林、支持向量机、多层感知器、逻辑回归或它们的组合。13.根据前述权利要求中的一项所述的过程，其中所述水基样品中的所述颗粒在分析之前被浓缩。14.根据前述权利要求中的一项所述的过程，其中所述水基样品中的所述颗粒是通过以下方式来浓缩：通过平均孔径在0.1μm-6μm范围内的硝化纤维素膜过滤一定量的待测试
的所述水基样品，在包含40％tbah水溶液的碱性溶液中消化所述硝化纤维素膜，并且稀释所获得的溶液。
技术总结
本发明整体涉及塑料微粒领域。特别地，本发明涉及在水基样品中检测塑料微粒。本发明的实施方案涉及一种用于在水基样品中检测和表征塑料微粒的过程，该过程包括通过光谱流式细胞术对样品进行分析。根据本发明，本文所描述的过程可包括通过机器学习算法处理所记录的流式细胞术数据，该机器学习算法可基于颗粒的独特光谱来区分和分类每个颗粒以表征例如塑料微粒。料微粒。
技术研发人员：F
受保护的技术使用者：雀巢产品有限公司
技术研发日：2021.01.14
技术公布日：2022/8/11