微塑料是指粒径小于5 mm的塑料碎片、颗粒、纤维等。作为一种新型的污染物,微塑料已经受到国内外越来越多人的关注。微塑料粒径较小,其具有较强的化学稳定和难以降解的特性,因此在环境中可长期存在。由于微塑料对典型的污染物具有富集作用,从而会威胁到食品的安全进而威胁到人类的健康。近年来,有关微塑料污染相关的研究报道迅速增加,相关研究工作也在开展,如何从环境样品中分离出微塑料,并确定分离物中的微塑料种类,是研究的关键。本文针对此现状,设计出一种可以简单高效的分离沉积物中微塑料的分离装置;其次,建立微塑料识别模型,主要研究内容如下:1.分离装置的设计。根据气浮分离原理对分离装置进行设计,该装置具有操作简单,分离效率高的优点,进行相关试验后发现采用NaI作为分离液时可以有效地分离沉积物中的微塑料。2.采用拉曼光谱仪对9种常见的微塑料进行光谱信息采集并进行预处理。通过考察积分时间,扫描范围等参数对光谱信息的影响,优化选择了最佳采集参数。对采集到的光谱信息进行预处理主要包括数据平滑、基线校准、归一化以及采用主成分分析法对光谱数据进行降维处理为后续建模提供方便。3.采用BP神经网络模型、支持向量机识别模型以及Fisher判别法对微塑料进行识别。对于BP神经网络识别模型,选取了最佳网络参数:输入层、输出层以及隐含层的节点数分别为7、4、6,训练次数为500次,学习速率为0.2。对于支持向量机识别模型选取径向基核函数以及[0,1]归一化时能取得最佳的识别效果。对于Fisher判别法,建立典型的判别函数式,并通过校正集样本初始验证和交叉验证来验证模型的稳定性,初始验证和交叉验证的回判率分别为100%和88.9%,证明Fisher判别分析模型可以用于微塑料的识别分类。