近日，我院董新伟团队在传感器科学领域的学术期刊《ACS SENSORS》（中科院一区）发表文章，题目为Intelligent Visible-Near Infrared Micro-Hyperspectral Sensing System for Rapid Chemical Mapping of Microplastics and Metal Oxides。论文第一作者和共同通讯作者为我院董新伟博士，论文第二作者为我院2024届研究生郑富新，广西科技大学为第一单位。

传统微观材料化学分析技术，如扫描电子显微镜-能量色散X射线光谱（SEM-EDS）和拉曼显微镜，常受限于低通量和高成本。董新伟团队研发了集成人工智能的可见-近红外微高光谱传感系统，通过高光谱显微镜扫描样本结合深度学习模型（基于像素的空间的光谱特征与多注意力3D卷积神经网络RC-MA3DCNN），从高维光谱信息中提取关键特征，实现快速、无损、精准化学识别。

该系统对两种微塑料及六种金属氧化物在内的八种物质进行识别，整体准确率达97.35%，生成的化学mapping图经SEM-EDS验证高度一致。与耗时、高成本的SEM-EDS相比，此光学方法效率具有显著的提升且完全无损。为环境污染物鉴定和金属氧化物表征的高通量化分析提供了突破性工具，具有广阔的科学与工业应用前景。

图：智能显微高光谱分析框架及RC-MA3DCNN模型架构

文章信息：Xinwei Dong, Fuxin Zheng, Tao Zhang, Xianming Xie, Junyi Deng, Nantao Hu, and Guofu Wang. Intelligent Visible-Near Infrared Micro-Hyperspectral Sensing System for Rapid Chemical Mapping of Microplastics and Metal Oxides. ACS Sensors, 2026.

文章链接：https://doi.org/10.1021/acssensors.5c04165