Genç, Sinan2024-05-142024-05-1420232023-06-10https://hdl.handle.net/20.500.12573/2119Microplastics, tiny plastic particles with sizes smaller than 5 mm., are often found in oceans, rivers, lakes, and atmosphere due to plastic pollution. Microplastics releasing toxic chemicals threaten the environment and harm the aquatic life and humans. Especially, the accumulation of microplastics can have detrimental effects on the food chain as a result of larger organisms consuming smaller organisms. Detecting the microplastics is crucial but also challenging. Over the years, researchers have developed different detection methods. One of the standard methods is using spectroscopy tools such as Fourier transform infrared spectroscopy (FTIR) and Raman spectroscopy. These techniques can identify the chemical composition of microplastics, which can help determine their sources and potential impacts. Another method is the use of microscopy, which allows for the visualization and counting of microplastics in samples. However, these techniques require costly infrastructure, and these instruments being large in size significantly limits the mobility. As a remedy to the cost and mobility problems, in this thesis, we propose and demonstrate a low-cost, portable system to detect size, concentration, and refractive index of microplastics. Our system comprises of low-cost and low-weight components which are utilized for recording the scattering patterns of microplastics in aqueous media. We demonstrate successful predictions of the size and refractive index of microparticles at a given wavelength using a Random Forest Algorithm which relates the measured scattering pattern with the Mie theory. We further employ the refractive index information at various wavelengths for determining the material type of microplastics. We believe that our proposed system enabling an easy, fast, low-cost, and on-site detection of microplastics will be a beneficial tool for the fight against microplastics in the environment.5 mm'den küçük boyutlara sahip küçük plastik parçacıklar olan mikroplastikler, plastik kirliliği nedeniyle genellikle okyanuslarda, nehirlerde, göllerde ve atmosferde bulunur. Zehirli kimyasallar salan mikroplastikler çevreyi tehdit etmekte, su canlılarına ve insanlara zarar vermektedir. Özellikle yayılmaları ve daha büyük organizmaların daha küçük organizmaları tüketmesi sonucunda besin zinciri üzerinde zararlı olabilirler. Mikroplastikleri tespit etmek çok önemli ama aynı zamanda zordur. Yıllar boyunca, araştırmacılar farklı tespit yöntemleri geliştirmişlerdir. Standart yöntemlerden biri, Fourier dönüşümü kızılötesi spektroskopisi (FTIR) ve Raman spektroskopisi gibi spektroskopi araçlarını kullanmaktır. Bu teknikler, mikroplastiklerin kaynaklarını ve potansiyel etkilerini belirlemeye yardımcı olabilecek kimyasal bileşimini tanımlayabilir. Diğer bir yöntem ise numunelerdeki mikroplastiklerin görselleştirilmesine ve sayılmasına izin veren mikroskopi kullanımıdır. Ancak bu teknikler maliyetli altyapı gerektirir ve bu enstrümanların boyutlarının büyük olması taşınabilirliği önemli ölçüde sınırlar. Maliyet ve taşınabilirlik sorunlarına bir çözüm olarak, bu tezde, mikroplastiklerin boyutunu, konsantrasyonunu ve kırılma indeksini tespit etmek için düşük maliyetli, taşınabilir bir sistem öneriyor ve sunuyoruz. Sistemimiz, mikroplastiklerin sulu ortamdaki saçılma modellerini kaydetmek için düşük maliyetli ve düşük ağırlıklı bileşenlerden oluşur. Ölçülen saçılma modelini Mie teorisi ile ilişkilendiren bir Rastgele Orman Algoritması kullanarak, belirli bir dalga boyunda mikropartiküllerin boyutuna ve kırılma indisine ilişkin başarılı tahminler gösteriyoruz. Ayrıca, mikroplastiklerin malzemesini belirlemek için çeşitli dalga boylarındaki kırılma indislerini de kullanıyoruz. Mikroplastiklerin kolay, hızlı, düşük maliyetli ve yerinde tespit edilmesini sağlayan önerdiğimiz sistemimizin, çevredeki mikroplastiklerle mücadelede faydalı bir araç olacağına inanıyoruz.enginfo:eu-repo/semantics/openAccessscatteringopticssensingmicroparticlemachine learningsaçılmaoptikalgılamamikro-parçacıkmakina öğrenmesidoctoralThesis