監測浮游生物種群動態變化的方法、工具和流程，不僅對海洋生態科學研究意義重大，對現代業務化海洋管理也極為重要。近日，中國科學院深圳先進技術研究院集成所光電工程技術中心李劍平高級工程師團隊在海洋原位觀測儀器技術上取得了新進展。團隊研製了一種用於海洋浮游生物原位監測的新型水下成像儀系統，並在大亞灣海域的系泊水面浮標上進行了長期海試。最新研究成果發表在海洋工程學期刊IEEE Journal of Oceanic Engineering上。深圳先進院集成所光電工程技術中心李劍平高級工程師為該文章通訊作者和第一作者，博士生陳濤和碩士生楊振宇分別為第二、三作者。

 

    一直以來，浮游生物監測依賴人工網采和光學顯微鏡檢分析，不僅費時費力，而且面臨鑑定人員人才匱乏的窘境，傳統方法不能滿足準確、及時、連續、和可持續地浮游生物監測需求。

 

    由於水面浮標成本低、可長時間部署、可無線組網等優勢，已成為海洋監測中的熱門平台選擇。自20世紀90年代以來，出現了多種用於海洋浮游生物生態學研究的光學原位成像技術，相比傳統方法具有很大優勢，但現有水下浮游生物成像儀並不能輕易地集成到浮標平台，實現長期海上作業。因此，李劍平團隊專門針對浮標平台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。

 

    該成像系統採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，最大程度的避免了浮遊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範圍。為了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採集後實時進行目標檢測預處理，並通過無線網絡將感興趣的目標圖像即時傳輸到雲端伺服器，通過在雲端計算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，團隊研發了一種基於主動學習的圖像標註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註、分類器訓練和分類結果校正等目的。在此基礎上提出了雙卷積神經網絡級聯算法，不僅高效的構建了包含90類圖像的大規模圖像數據集，還有效地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。

 

    在四年時間裏，李劍平團隊歷經四期累計15天以上的近岸海試後，於2020年6月22日將成像儀系統集成至水面浮標，並部署於深圳大亞灣海域。通過採取多項防生物附着措施，於2021年2月25日成功回收。

 

    在此次長達8個月的連續海試中，儀器成功獲取了該海域浮游生物豐度變化的時間序列數據，觀測到了浮遊動物的晝夜垂直遷徙現象、優勢種的動態變化，並成功監測到了大亞灣海域首次記錄的尖筆帽螺暴發。該致災生物的暴發嚴重威脅附近核電站的冷源取水安全，對其及時準確地監測是為核電站及時處置應對災害提供預警的重要前提。上述海試結果展示證明了團隊研發的海洋浮游生物觀測系統能夠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台的一種新工具。

 

    據了解，李劍平團隊致力於以光學方法與機器學習技術相結合，推進海洋觀測技術和儀器裝備的發展。未來，團隊將進一步探索小型化、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。（記者 林麗青）