1 中国科学院合肥物质科学研究院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室， 安徽 合肥 230031
2 中国科学技术大学，安徽 合肥 230026
3 安徽省环境光学监测技术重点实验室，安徽 合肥 230031
4 安徽大学物质科学与信息技术研究院，安徽 合肥 230601
以蛋白核小球藻为研究对象，通过毒性胁迫、光照胁迫和温度改变蛋白核小球藻的光合活性，研究蛋白核小球藻叶绿素荧光产量与光合活性参数Fv/Fm的变化关系。结果表明：3种不同生长环境下，蛋白核小球藻的叶绿素荧光产量随着Fv/Fm改变而发生较为明显变化，最大变化范围为235~668 （μg·L-1）-1；Fv/Fm与叶绿素荧光产量之间具有明显负线性相关性，线性优度R2超过0.91。该研究结果为发展更为准确的藻类叶绿素a质量浓度活体荧光检测方法提供了重要依据。
光谱学 浮游藻类 活体荧光法 叶绿素荧光产量 光合活性 浓度检测 光学学报
2023, 43(23): 2330001
1 合肥学院生物食品与环境学院，安徽 合肥 230601
2 中国科学院合肥物质科学研究院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室，安徽 合肥 230031
3 中国科学技术大学，安徽 合肥 230026
4 安徽大学物质科学与信息技术研究院，安徽 合肥 230601
浮游藻类密度监测对水质状况诊断及藻华灾害预警具有重要意义。因此，提出一种基于微流控-显微荧光技术的浮游藻细胞密度检测方法。该方法基于微流控技术实现样品快速定量进样，利用共聚焦显微荧光结构实现藻细胞特征荧光信号的高信噪比采集，并通过分析荧光峰信息实现浮游藻细胞计数。以杜氏盐藻、色球藻、隐藻和赤潮藻为测试对象的结果表明：在1.3×106 L-1密度范围内测量相对误差均小于3.96%，且准确率不受悬浮物、藻细胞种类以及尺寸的影响；在10%允许误差下，藻类密度检测上限可提升至5×106 L-1，完全能够满足自然水体浮游藻细胞密度检测需求，为水体藻细胞密度快速准确检测提供了新途径。
浮游藻类 显微荧光 微流控 藻细胞计数 光学学报
2023, 43(18): 1812002
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所, 中国科学院环境光学与技术重点实验室,安徽 合肥 230031
2 安徽大学物质科学与信息技术研究院信息材料与智能感知安徽省实验室, 安徽 合肥 230039
3 合肥学院生物食品与环境学院, 安徽 合肥 230601
浮游藻类作为单细胞生物，其光合活性外界胁迫作用响应灵敏，是水质综合毒性检测的良好受试生物，因此认识受试藻种光合活性状态对温度和光照等主要环境因子的响应规律，掌握有效控制受试藻种光合活性状态和浓度的培养条件，对水质综合毒性检测至关重要。以模式受试生物蛋白核小球藻为研究对象，研究了不同温度梯度和光照强度下蛋白核小球藻光合活性变化规律。研究结果显示：蛋白核小球藻在不同梯度光照下，藻种光合活性和藻种浓度的变化非常明显。低光照下 (75 μE、125 μE) 藻种平均光合活性在0.60左右但藻种浓度基本不增加；中光照下 (175、225、300、375 μE) 藻种平均光合活性在0.57左右且此时藻种浓度有明显增加，其中，实验最佳光照为375 μE；高光照下 (475 μE和600 μE) 藻种平均光合活性低于0.56 (初始活性)，会对藻种的生长状态产生胁迫。不同梯度温度下藻种光合活性和藻种浓度也有明显变化，中低温下 (5、15、25 ℃) 藻种平均光合活性在0.59左右且藻种浓度随着温度的升高而增加，最佳温度为25℃；高温下 (30、35、40 ℃) 藻种光合活性迅速下降直至失活。研究结果表明可以通过控制光照和温度来控制浮游藻类的光合活性和生长速度，为在线水质综合毒性测量仪提供标准的受试藻样培养方式，从而给便携式水质综合毒性测量仪的研发奠定基础。
浮游藻类 光合活性 叶绿素荧光 环境因子 planktonic algae photosynthetic activity chlorophyll fluorescence environmental factors 大气与环境光学学报
2023, 18(2): 133
1 中国科学技术大学环境科学与光电技术学院，安徽 合肥 230026
2 中国科学院合肥物质科学研究院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室，安徽 合肥 230031
3 合肥学院，安徽 合肥 230601
4 安徽省生态环境监测中心，安徽 合肥 230061
5 安徽大学，安徽 合肥 230601
以鱼腥藻、栅藻和盘星藻为分析对象，通过采集多个焦平面的显微图像，基于拉普拉斯能量与引导滤波以及图像HSV颜色空间饱和度分量分别检测显微图像聚焦区域和失焦区域，研究浮游藻类细胞显微多聚焦图像融合方法，并与小波变换、拉普拉斯金字塔以及脉冲耦合神经网络融合方法进行对比分析。结果表明：鱼腥藻、栅藻和盘星藻融合图像的边缘信息保持度、空间频率、平均梯度分别为0.3529、8.9654、0.0055，0.3778、7.0058、0.0023和0.2940、1.5445、0.0005，均优于对比融合方法，具有更好的边缘信息传递能力及更高的图像清晰度，有效实现了浮游藻类细胞显微多聚焦图像融合，为获取浮游藻类细胞的全景深显微图像提供了思路。
图像处理 浮游藻类细胞 显微 多聚焦图像融合 聚焦区域检测 失焦扩散效应 光学学报
2023, 43(12): 1210001
1 安徽大学物质科学与信息技术研究院安徽省信息材料与智能感知实验室，安徽 合肥 230601
2 中国科学院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室，安徽 合肥 230031
3 中国科学技术大学环境科学与光电技术学院，安徽 合肥 230026
4 合肥学院生物食品与环境学院，安徽 合肥 230601
浮游藻类的种类多样性和群落结构是水生态环境建设评价的重要指标，利用细胞图像对其进行识别是实现浮游藻类检测的重要手段。相较于传统的显微镜检法，基于深度学习的目标检测算法因更高效的检测能力而越来越多地被运用到浮游藻类检测领域。针对YOLOv3目标检测算法对部分形态小、边界模糊和粘连浮游藻类的检测精度低等问题，采用空间金字塔池化（SPP）结构改进了YOLOv3目标检测算法的特征提取方式，采用广义交并比（GIoU）边界损失函数改进了YOLOv3目标检测算法的边界损失函数，最终构建了一种基于SPP和GIoU改进的YOLOv3浮游藻类检测算法（SPP-GIoU-YOLOv3）。实验结果表明：在检测速度无明显差异的情况下，所提SPP-GIoU-YOLOv3分类检测算法对实验藻类的平均精度均值达95.21%，比YOLOv3目标检测算法提高了4.24个百分点。本研究为发展准确快速的浮游藻类检测方法技术提供了一定的基础。
机器视觉 SPP-GIoU-YOLOv3 目标检测 深度学习 浮游藻类 激光与光电子学进展
2023, 60(2): 0215003
1 安徽大学 物质科学与信息技术研究院 安徽省信息材料与智能感知实验室, 安徽 合肥 230601
2 中国科学院安徽光学精密机械研究所 中国科学院环境光学与技术重点实验室, 安徽 合肥 230031
3 合肥学院, 安徽 合肥 230601
4 中国科学技术大学 环境科学与光电技术学院, 安徽 合肥 230026
基于CMOS探测器的静态光散射法能够实现水体悬浮颗粒物粒度分布的快速检测, 受探测器工作特性和面幅大小的限制, 前向光散射的CMOS粒度测量范围和精度难以提高。提出了颗粒前向光散射的双CMOS测量技术, 重点研究双CMOS散射信号拼接测量方法, 设计消除背景干扰的CMOS探测器分环方式, 实现宽粒径范围颗粒粒度的准确测量。实验结果表明: 基于CMOS探测器的颗粒粒度测量上限提高到了1000μm, 1000μm、500μm标样的D50测量相对误差分别为0.7%、0.1%, 大粒径颗粒粒度测量准确度高; 同时双CMOS探测的方式将单CMOS的粒度测量下限由5μm提高到了2μm, 5μm、2μm标样D50相对误差分别由单CMOS的15.0%、51.1%下降至双CMOS的1.4%、2.6%。
粒度测量 Mie散射理论 CMOS图像传感器 图像处理 particle size measurement Mie scattering theory CMOS image sensor image processing
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室，安徽 合肥 230031
2 中国科学技术大学，安徽 合肥 230026
3 安徽省环境光学监测技术重点实验室，安徽 合肥 230031
4 合肥师范学院物理与材料工程学院，安徽 合肥 230061
5 安徽大学物质科学与信息技术研究院，安徽 合肥 230601
以混合藻类为研究对象，研究组成混合样品藻种的单细胞可变荧光量（SCVF）差异对可变荧光统计分析法准确性的影响。研究结果表明：当两种藻种的SCVF比值不大于5.3时，该分析方法依旧适用，测量结果与显微镜检测结果的相对误差绝对值的均值不大于17%；当两种藻种的SCVF比值大于8时，测量结果与显微镜检测结果存在较大差异，且高SCVF藻细胞占比达到一定比例时，可变荧光统计分析法的测量结果仅反映了混合样品中高SCVF藻细胞数。针对SCVF差异大的混合藻类，将过滤分离方法与可变荧光统计分析法相结合，利用合适孔径的金属滤网过滤混合样品，将过滤前后测量的样品活体藻细胞密度之和作为测量结果。实验结果表明，该方法可将相对误差绝对值均值由58.4%降至5.5%，有效解决了组成混合样品藻种的SCVF差异对细胞数定量的影响，实现混合藻类活体细胞数的准确定量。
海洋光学 压载水 活体藻细胞数 可变荧光 混合藻类 光学学报
2022, 42(24): 2401003
1 中国科学技术大学环境科学与光电技术学院，安徽 合肥 230026
2 中国科学院合肥物质科学研究院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室，安徽 合肥 230031
3 合肥学院，安徽 合肥 230601
4 安徽省合肥生态环境监测中心，安徽 合肥 230088
5 安徽大学，安徽 合肥 230601
通过融合浮游植物藻类细胞显微明场图像和荧光图像对浮游植物进行鉴定可以有效提高浮游植物鉴定的精度，然而在图像采集过程中存在明场图像与荧光图像中藻细胞位置不匹配的问题。为此，本文以刚体变换作为明场图像与荧光图像的空间变换模型，以明场HSV颜色空间S通道二值化图像与荧光灰度二值化图像的归一化互信息作为明场图像与荧光图像的相似度，利用粒子群优化算法对小波五级分解的低频分量进行粗配准，然后将初步配准的平移量和旋转角度作为初始值，利用鲍威尔算法对小波三级分解的低频分量进行配准精度微调。栅藻、羊角月牙藻和念珠藻的实验结果表明：对明场图像与荧光图像进行处理后的归一化互信息具有明显的峰值，可以更好地表征浮游藻细胞明场图像与荧光图像的相似度；将粒子群优化算法与鲍威尔算法结合的多分辨率图像配准方法，对栅藻、羊角月牙藻、念珠藻显微明场图像与荧光图像配准的误配率分别为0、9.4%、6.5%，平均配准时间分别为10.43、27.98、17.02 s，配准后的归一化互信息分别为0.673、0.495、0.631。研究结果验证了所提方法在配准精度、运行时间等方面的优势，为融合显微荧光图像和明场图像进行浮游植物鉴定奠定了基础。
生物光学 浮游植物 明场图像 荧光图像 图像配准 互信息 中国激光
2022, 49(24): 2407202
1 中国科学院合肥物质科学研究院 安徽光学精密机械研究所，中国科学院环境光学与技术重点实验室，合肥 230031
2 中国科学技术大学，合肥 230026
3 安徽省环境光学监测技术重点实验室，合肥 230031
4 安徽大学，合肥 230039
藻类光合荧光参数易于测量，对外来胁迫响应灵敏，是水质生物毒性测量的重要指标。以蛋白核小球藻为受试生物，研究了DCMU胁迫下（1 h和3 h），作为毒性测试终点的光合荧光参数与初始生物量的关系。结果表明：光合荧光参数可分为两类，第一类为Fv/Fm、Yield、α、rP、σPSⅡ和τes，只表征光合系统信息；第二类参数为Ek、F0、Fm、Fv以及JVPⅡ，其数值受生物量影响，包含生物量信息；当初始生物量发生变化时，只表征光合系统信息的第一类参数在毒性测试过程中更稳定。参数Fv/Fm、Yield、α、rP、σPSⅡ、τes、F0、Fm以及Fv与DCMU能建立良好的剂量效应关系，根据EC50、EC20和相关系数R2，给出了光合荧光参数作为毒性测试终点时，藻类初始叶绿素浓度的最佳范围：对参数Fv/Fm、Yield、α、rP、σPSⅡ、τes，建议范围为10~2 000 μg·L-1；对于参数F0、Fm与Fv，建议范围为200~1 000 μg·L-1。该结果可为基于光合荧光参数的生物毒性快速检测方法的建立提供重要依据。
生物光学 初始生物量 光合荧光参数 DCMU 毒性检测 Bio-optics Initial biomass Photosynthetic fluorescence parameters Diuron Toxicity detection
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所环境光学与技术重点实验室, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
3 安徽省环境光学监测技术重点实验室, 安徽 合肥 230031
4 安徽大学, 安徽 合肥 230601
针对混合浮游藻类群落离散三维荧光光谱特征识别,对比分析了简单卷积神经网络(PlainCNN)和文本卷积神经网络(TextCNN)模型对5种常见门类藻(铜绿微囊藻、斜生栅藻、菱形藻、楯形多甲藻和隐藻)混合数据的种类识别准确率及浓度测量精度。结果表明,在藻类独立识别及浓度回归分析中,PlainCNN模型对测试集的平均识别准确率和浓度输出结果的平均均方误差分别为90%和0.052,均优于 TextCNN模型。为了同时实现混合藻类种类识别和浓度分析,基于PlainCNN模型提出了多任务卷积神经网络PlainCNN-MT模型。该模型对混合藻类种类识别的平均准确率提高至95%,浓度输出结果的平均均方误差降低至0.039,表明多任务卷积神经网络在浮游藻类群落识别与定量分析中更具优势。
光谱学 浮游藻类 离散三维荧光光谱 卷积神经网络 种类识别 定量分析
