③
深圳先進院團隊成員（圖①）在浮標平臺（圖②）上安裝水下浮游生物成像儀（圖③）。研究團隊供圖
（見習記者刁雯蕙）浮游生物是海洋生態系統的關鍵組成部分，在生物地球化學循環和碳循環中發揮著核心作用，同時也是海洋漁業和水產養殖生產的重要基礎。近日，中科院深圳先進技術研究院集成所光電工程技術中心高級工程師李劍平團隊研制了一種用于海洋浮游生物原位監測的新型水下成像儀系統，并在大亞灣海域的系泊水面浮標上進行了長期海試。最新研究成果發表于IEEE Journal of Oceanic Engineering。
一直以來，浮游生物監測依賴人工網采和光學顯微鏡分析，不僅費時費力，而且面臨鑒定人才匱乏的窘境，傳統方法不能滿足準確、及時、連續和可持續的浮游生物監測需求。
自20世紀90年代以來，出現了多種用于海洋浮游生物生態學研究的光學原位成像技術，但現有水下浮游生物成像儀不能輕易地集成到浮標平臺，實現長期海上作業。因此，李劍平團隊專門針對浮標平臺研發了一種水下暗場彩色成像系統，以提升對海洋浮游生物長期、連續、高頻、原位監測的能力，彌補現有觀測技術的不足。
該成像系統采用了一種新型的正交層狀閃光無影照明設計，不僅可對海洋浮游生物個體實現高質量的水下真彩色攝影，還減少了照明光向水下局部環境的泄漏，最大程度避免了浮游動物因趨光性產生聚集而導致的觀測偏差。此外，成像儀還支持不同的放大倍率，覆蓋了200微米至20毫米不同大小的浮游生物體長范圍。為減少數據存儲和傳輸的壓力，成像儀配備的嵌入式計算單元可在圖像采集后實時進行目標檢測預處理，并通過無線網絡將目標圖像即時傳輸到云端服務器，通過云端的深度學習算法進一步識別和量化，以獲取監測信息，供最終用戶遠程檢索。
針對水下微小目標原位圖像的特點，團隊研發了一種基于主動學習的圖像標注和分類算法訓練策略，充分利用人類智能與機器智能協同，實現圖像標注、分類器訓練和分類結果校正等目標。在此基礎上，團隊提出了雙卷積神經網絡級聯算法，不僅高效構建了包含90類圖像的大規模圖像數據集，還有效消除了近岸水體中顆粒物對浮游生物識別的干擾，最終實現了浮游生物圖像的高準確度精細分類識別。
在4年時間里，李劍平團隊歷經4期累計15天以上的近岸海試后，于2020年6月22日將成像儀系統集成至水面浮標，并部署于深圳大亞灣海域。通過采取多項防生物附著措施，于2021年2月25日成功回收。
在此次長達8個月的連續海試中，儀器獲取了該海域浮游生物豐度變化的時間序列數據，觀測到了浮游動物的晝夜垂直遷徙現象、優勢種的動態變化，并首次監測到了大亞灣海域尖筆帽螺暴發。該致災生物的暴發嚴重威脅附近核電站的冷源取水安全，對其及時準確監測是提供預警的重要前提。海試結果證明了團隊研發的海洋浮游生物觀測系統能提供更全面及時的浮游生物監測信息，有望成為海洋浮標觀測平臺的一種新工具。
未來，團隊將進一步研究小型化、智能化、網絡化的海洋原位觀測傳感器與儀器，為更高效、及時、準確地了解和監測海洋環境提供新方法和新工具。
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
