Detection of microplastics by microfluidic microwave sensing: An exploratory study
Notice bibliographique
Résumé
Detection of microplastics in water environments and consumables is essential to evaluate the abundance, sources, transport pathways, degradation, and exposure risks of these emergent contaminants. In this study, we explore the potential of detecting microplastics in aqueous samples using a microwave sensor integrated in a microfluidic platform. The principle relies on the change in permittivity of the water due to the presence of microplastics that, in turn, leads to a resonance frequency shift recorded by the microwave sensor. The method is tested using 20 and 70 µm polyethylene microspheres. Both the experimental data and the numerical simulations show consistent dependencies of the frequency shift on the size and concentration of the microspheres, as well as on temperature. However, the experimental trends in resonance frequency are not as pronounced as predicted by the numerical simulations. In addition, the limits of detection of the current microwave-microfluidic device are much higher than the typical particle abundances encountered in most freshwaters. Based on these preliminary results, we outline potential directions for the further development of microfluidic microwave sensing of microplastics in water samples. • A compact microfluidic-microwave system is developed for rapid and cost-effective microplastic (MP) detection. • The system integrates a microwave resonator and microfluidic platform for sensitive MP concentration monitoring. • Detection uses resonance shifts due to changes in water permittivity caused by MPs. • Higher temperatures improve sensitivity, as shown by testing across 10°C–30°C. • Offers a low LOD (1000k/70µm, 10000k/20µm).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».