Portable droplet-based microfluidic system for microplastic detection
- 주제어 (키워드) Microplastic detection , Droplet microfluidics , Machine learning , Environmental monitoring
- 발행기관 서강대학교 일반대학원
- 지도교수 정봉근
- 발행년도 2025
- 학위수여년월 2025. 2
- 학위명 석사
- 학과 및 전공 일반대학원 기계공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000079764
- UCI I804:11029-000000079764
- 본문언어 영어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
Microplastic (MP) pollution poses significant environmental and public health concerns, necessitating accurate and efficient detection methods. Conventional techniques have the limitations of labor-intensive workflows and complex instrumentation, hindering rapid and on-site analysis. In this paper, I present the MiDREAM system, a portable droplet-based microfluidic platform for real-time MP detection. Utilizing a compact peristaltic pump, the system achieved high-throughput droplet generation (> 200 Hz) while encapsulating MPs in uniform droplets (142 ± 8 μm). Real-time imaging was conducted with a high-resolution complementary metal oxide semiconductor (CMOS) sensor and phase-contrast capabilities. An optimized YOLO v8 convolutional neural network (CNN) was used to automatically identify, classify and quantify MPs, achieving a mean average precision (mAP) of 0.982 and an area under the curve (AUC) of 97.64%. Comparative analysis with hemocytometer counting and surface-enhanced Raman spectroscopy (SERS) demonstrated the superior performance of the system, exhibiting demonstrating high correlation (R² = 0.9965) and minimal deviation (6.36%) in quantification. Additionally, the system effectively classified MPs of different sizes, achieving classification accuracies of 96.2, 99.0 and 93.7% for 5, 10 and 30 μm of MPs, respectively. Validation with real-world water samples, including deionized (DI), tap, river and seawater, confirmed the adaptability and robustness of the system, maintaining high detection accuracy (> 90%) with error rates below 10%. Therefore, the portable and integrated platform offers a promising solution for real-time environmental monitoring applications.
more초록 (요약문)
미세플라스틱은 심각한 환경 문제이자 공중 보건에 중대한 위협을 가하고 있으며, 미세플라스틱을 정확하고 효율적으로 감지할 수 있는 기술 개발이 시급하다. 기존의 검출 기술은 노동 집약적이고 복잡한 계측 장비를 필요로 해 현장에서 활용하기 어렵다는 한계가 있다. 본 연구에서는 이러한 문제를 해결하기 위해 실시간 미세플라스틱 감지 및 정량화가 가능한 휴대용 액적 기반 미세 유체 통합 시스템, MiDREAM 시스템을 제안한다. 이 시스템은 소형 연동 펌프를 이용해 미세플라스틱을 균일한 크기의 액적(142 ± 8μm)으로 캡슐화하며, 초당 200 개 이상의 액적을 생성할 수 있는 높은 처리량을 제공한다. 미세플라스틱 검출은 고해상도 CMOS 센서를 활용한 실시간 이미징, YOLO v8 컨볼루션 신경망(CNN)을 기반으로 한 자동 식별, 분류, 정량화의 순서로 이루어진다. 본 시스템은 평균 정밀도(mAP) 0.982 와 곡선 아래 면적(AUC) 97.64% 라는 높은 성능을 보였다. 혈구 계수기와 표면 증강 라만 분광법(SERS)과 비교한 분석에서도 높은 상관계수(R² = 0.9965)와 낮은 정량화 편차(6.36%)를 나타내며 타 방식 대비 탁월한 성능을 입증했다. 또한, 다양한 크기의 미세플라스틱을 분류하는 데 있어서도 뛰어난 정확도를 보이며, 5μm, 10μm, 30μm 입자에 대해 각각 96.2%, 99.0%, 93.7%의 분류 정확도를 달성했다. 탈이온수, 수돗물, 강물, 바닷물 등 실제 환경에서 채취한 물 샘플로 검증한 결과, 이 시스템은 10% 미만의 오차율로 90% 이상의 검출 정확도를 유지하며 높은 신뢰성과 적응성을 보여주었다. 이러한 결과는 MiDREAM 시스템이 실시간 환경 모니터링을 위한 휴대용 통합 플랫폼으로서 매우 유망한 솔루션임을 입증한다.
more목차
I. Introduction 1
II. Materials and Methods 5
A. Materials 5
B. Fabrication of droplet microfluidic chips 5
C. Assembly of the MiDREAM system 6
D. Training the YOLO v8 model 7
E. Raman measurements 7
F. Preparation of real-world samples 8
G. Statistical analysis 8
III. Results and discussion 10
A. Development of the MiDREAM system 10
B. Characterization of negative pressure-driven dispenser 11
C. Optimization of the YOLO v8 model 12
D. Comparative analysis of MP quantification 14
E. Size classification of MPs 15
F. Validation of the MiDREAM system on real-world water samples 16
IV. Conclusion 19
References 27
