基于深度学习的微藻自动检测系统研究

目的 微藻养殖产业规模巨大,在养殖过程中微藻易受杂菌和其他污染物的影响,因此需要定期对微藻进行检测,以确定其生长情况。现有的光学显微成像法和光谱分析法对实验人员、实验设备及场地的要求较高,无法做到实时快速检测。为了实现实时快速检测,需要一套检测要求低、速度快的实时微藻检测系统。方法 本文开发了一种基于深度学习的微藻检测系统,通过搭建一套基于明场成像的显微成像设备,使用采集的图像训练基于YOLOv3的神经网络,并将训练好的神经网络部署到微型计算机,从而实现了实时便携微藻检测。本文对特征提取网络进行改进,包括引入跨区域残差连接机制和注意力选择机制,另外还将优化器改为Adam优化器,使用多阶段多方法组合策略。结果 加载跨区域残差连接机制时最高平均精度(mAP)值为0.92。通过与人工结果进行对比,得到检测误差为2.47%。结论 该系统能够实现微藻实时便携检测,提供较为准确的检测结果,可以应用于微藻养殖中的定期检测。

基于改进YOLO v7的微藻轻量级检测方法

为了解决传统的微藻检测方法依赖于复杂的设备和大量的人工操作,不仅耗时长且检测结果易受检测人员技术经验影响等问题,结合微藻显微图像特征,采用K-means++算法聚类锚框,并基于YOLO v7模型,提出一种轻量级实时检测微藻的方法YOLO v7-MA。该方法将GhostNet引入YOLO v7模型中作为主干特征提取网络,以减少网络的参数量,同时将特征融合网络中的普通卷积块替换为深度可分离卷积块,进一步降低模型的计算复杂度,并在特征融合网络中加入CBAM注意力模块,以提高网络的特征表达能力。结果表明:在14种微藻数据集上的试验显示,本研究中提出的YOLO v7-MA模型的平均精度均值为98.56%,召回率为96.88%,F1值为97.42%,参数量为22.64×10^(6),浮点运算次数(FLOPs)为38.45×10^(9);相较于YOLO v7模型,YOLO v7-MA模型平均精度均值提高了0.95%,召回率和F1值分别提高了1.15%、0.23%,参数量和FLOPs分别降低了14.63%和66.55%;相较于FasterRCNN-VGG16、FasterRCNN-Resnet50、YOLO v4、YOLO v4-Mobilenet v3、YOLO v4-VGG16、YOLO v4-Resnet50和YOLO v5s等模型,YOLO v7-MA模型的平均精度均值也均有提高,参数量均有减少。研究表明,YOLO v7-MA模型能够为微藻的识别分类提供一种轻量化的实时高效检测方法,大大降低了检测人员的工作量。

基于FlowCam影像和YOLOv3深度学习模型的多纹膝沟藻检测

海洋中的有害藻华,包括微藻形成的赤潮和褐潮以及大型藻类形成的绿潮和金潮,已成为一类突出的海洋生态灾害问题。2021年11—12月,山东半岛东北部海域发生多纹膝沟藻(Gonyaulax polygramma)形成的大规模赤潮,导致海带养殖严重受损,亟待构建有针对性的赤潮监测预警体系。本文以多纹膝沟藻为对象,尝试应用流式影像仪(FlowCam)结合卷积神经网络模型YOLOv3,分别对含有多纹膝沟藻的浓缩海水样品、含有多纹膝沟藻和链状亚历山大藻(Alexandrium catenella)的浓缩海水样品,以及含有多纹膝沟藻活细胞及空壳的浓缩海水样品进行了检测实验,探究了基于藻种影像的深度学习模型在赤潮原因种检测方面的应用潜力。结果表明,在以FlowCam获取的影像数据集训练3万次后,YOLOv3对多纹膝沟藻表现出较好的识别能力,对浓缩海水样品中目标藻种识别的平均精度为88.2%;当样品中存在与多纹膝沟藻形态相似的链状亚历山大藻时,模型对多纹膝沟藻识别的平均精度下降为76.6%,对两种微藻同时进行训练和检测,可将对多纹膝沟藻识别的平均精度提高至84.6%。对于低温下出现脱壳现象的多纹膝沟藻,模型对海水中活细胞识别的平均精度为86.7%,对空壳识别的平均精度87.8%,将多纹膝沟藻活细胞与空壳分别识别的平均精度均值(87.3%)高于将两者统一作为多纹膝沟藻进行检测的识别精度(84.2%),整体识别精度提升3.1%。综合相关结果可以看出,FlowCam与深度学习模型相结合在赤潮监测和研究中具有重要应用潜力。

基于手机的便携式藻类显微与智能识别系统研究

开发了一种基于手机的便携式藻类显微与智能识别系统,可实现水体中微藻种类和密度的现场检测。显微装置借助手机相机模块获取藻类显微图像,基于yolov5目标检测模型设计一款手机APP,调用手机拍摄的微藻显微照片进行目标藻类的识别与分析,经过训练和学习,其识别精确率可达0.94。在梯度实验中,便携式显微镜视场可见微藻数量与微藻密度有较好的线性相关性,R^(2)为0.979。实验结果表明,该系统可以实现水体中微藻的现场检测和水华监测,为监测水华发展状况、水华预警和微藻研究等提供支撑。

微藻生物质成分检测方法评述

不断发展的微藻产业需要统一可信的生物质检测方法体系来评估微藻研究、培养及生产中的各种生物质指标。对目前常用的微藻生物质组成的检测方法进行综述及评估,以期推动微藻产业的生物质分析平台标准化。