面向水环境生物监测的标志物信息光电检测方法研究

水环境生物监测需采集、处理、分析生物体标志物信息，预测水环境质量。目前缺乏采集、处理生物标志物信息的技术手段，导致生物监测难以突破"误警率高"及"敏感区间小"。本申请拟基于光电检测（宏-微视觉及微力传感）方法采集、处理和识别大型溞的行为标志物及部分生理标志物信息；提取其中与力学生物物理特性有关的生理标志物信息，通过微力传感信息与显微视觉信息的融合，探索生物标志物信息检测方法，并在一些关键检测方法获得突破的基础上建立一套实验系统。项目在环境科学研究中引入认知模式生物学的理论和实验，对建立水质监测生物信息处理方法体系，具有重要意义。

水环境生物监测需要通过采集、处理、分析和计量生物体标志物信息等步骤来预测水环境质量。具有广泛的应用价值和前景，但目前各研究机构普遍缺乏采集、处理生物标志物信息的技术手段，导致生物监测难以突破“误警率高”及“敏感区间小”和在线监测。传统的研究普遍采用各种类型的电磁传感器，其结果不直观、易受干扰且并不可靠。所以一直无法得到广泛的应用，而计算机视觉技术是近年来新兴的一门技术，其廉价、直观、易实现智能化等优点更适合应用于生物监测领域，但仍缺乏专门的自动化试验台和视觉算法，本课题以此为目标展开了大量研究，先后研究出了多项采集、处理、识别模式生物的行为标志物信息的多项软硬件成果；分别搭建了试验台并提出了去除背景；鱼体跟踪；鱼鳃、胸鳍和尾鳍摆动频率的识别和计量等关键的机器视觉算法。其中，为了提高实验的效率，并适应鱼体的游动高度和距离，本文采用了旋转式换缸平台和网络监控部件并设计了一套全自动对焦装置，通过研究算法，探索生物标志物信息检测方法，并在一些关键检测方法获得突破的基础上建立了一套实验系统。此外，项目组在环境科学研究中引入认知模式生物学的理论和实验。整个系统对建立水质检测体系具有重要作用。