山东近海浮游植物及相关海洋环境要素原位观测与分析系统研究

Microscopic image technology shows great advantage in the research of the species and total abundance of marine phytoplankton. However, the traditional recognition and statistical methods are time consuming and require high professional knowledge. This project intends to develop an in situ observation hardware and software system based on optical microscopy. First it captures multi-view and multi-consecutive-frames micrographic images of phytoplankton. Then, the project will focus on the research of micrographic motion blur processing and image enhancement techniques, to improve the discrimination ability for the target in the image. Thirdly, the project will extract the contour and texture characteristics and complete the precise identification of phytoplankton using the proposed multi-stage convolution algorithm in an deep learning way. Finally, the project will design a high performance and low power consumption embedded real-time target identification system with the Jetson TX1 suite. This project returns the results of in situ observation and real-time identification system by the short message module of the BeiDou Satellite System. Furthermore, studies will be carried out on the relationship between the marine environment elements and the phytoplankton reproduction.

显微图像技术在海洋浮游植物类群和丰度分布的研究中显示出巨大的优势，然而传统识别和统计方法耗时较长且专业性要求高。本项目拟研发基于光学显微技术的原位观测软硬件系统，完成针对海洋浮游植物的高性能、低功耗原位监测和实时处理任务。首先，面向复杂海洋环境设计基于光学显微技术的浮游植物原位观测装置，实现浮游植物多角度、连续多帧的高质量显微图像拍摄；然后，着力于显微图像运动模糊处理和图像增强技术的研究，提升图像中目标的可辨识度；进而利用所提出的基于PCA滤波器的多阶段卷积网络算法，以及深度卷积LSTM神经网络算法，以有监督的方式抽取浮游植物轮廓和纹理的高层特征表示，完成浮游植物的精确识别；最后，基于Jetson TX1套件设计低功耗、高性能随机目标嵌入式实时识别系统。本项目利用北斗卫星短报文模块实时返回原位观测和识别的结果，进一步研究给定海域浮游植物群落结构变化与海洋环境要素变化规律之间的关系。

本课题旨在研发可应用于海洋浮标的原位观测和实时处理软硬件系统，通过将智能信息处理和光学显微成像相结合，建立浮游植物原位监测系统，综合考虑温盐密等海洋环境要素，对浒苔、赤潮等海洋随机灾害事件进行在线识别、预测和分析。主要包含以下几个方面的研究成果：.1.设计并研发基于光学显微技术的浮游植物原位监测装置，包括流动单元和图像采集单元两个部分。构建了首个浮游植物显微图像检测数据集，其中包含山东近海常见的浮游植物，针对数据集样本分布不均衡以及缺少活体浮游植物样本的情况，提出了基于多阶相似度量的小样本识别算法、基于焦点定位机制的小样本分类算法，以及基于生成对抗网络的浮游植物活体细胞显微图像生成技术。并提出了基于互信息最大化的浮游植物原位检测优化算法提升检测准确率。.2.针对显微图像质量问题，提出基于编码-解码的图像增强算法，并提出基于残差减和注意力网络的高分辨率重建算法。为更好地研究浮游植物个体，构建了多个图像分割模型，包括：基于有限启发种子的单幅图像分割、基于门控机制的图像分割模型、基于嵌入式注意力网络的图像语义分割等算法。.3.为实现原位监测系统实时高效处理采集的数据，提出轻量级浮游植物目标检测算法、轻量化浮游植物实时语义分割算法、基于多教师协同监督的知识蒸馏、基于关系探索和实体挖掘的弱监督浮游植物识别模型选择算法、基于实例级序列学习的知识蒸馏技术、基于双判别对抗的无训练数据模型压缩框架。.4.为研究浮游植物群落结构的变化，多次搭载基金委渤黄海共享航次，进行了基于高通量测序技术的浮游植物多样性研究，以及浮游植物生长与摄食死亡研究。为研究赤潮发生机制，建立了渤海湾水动力学-生态动力学水质耦合模型，并进行了水动力模型验证和生态模型验证，并针对渤海湾南部海域生态系统进行动力特征分析。