水體富營養(yǎng)化是當(dāng)前主要的生態(tài)環(huán)境問題之一,嚴重威脅全球水安全。單位體積水中的藻細胞個數(shù)是水體富營養(yǎng)化程度的重要指標(biāo),其監(jiān)測對于富營養(yǎng)化的防治十分重要。然而,現(xiàn)有的監(jiān)測手段仍較為低效,或者成本高昂,急需要一種能夠長期高頻低成本的監(jiān)測方式。近些年高速發(fā)展的深度學(xué)習(xí)自動識別算法可以為監(jiān)測提供高效的技術(shù)支撐。本研究設(shè)計、測試了水體藻類圖像獲取設(shè)備,并發(fā)展了基于深度學(xué)習(xí)技術(shù)的藻類識別和濃度計量方法,旨在實現(xiàn)更加高效、快捷的水體藻類實時監(jiān)測。在藻類圖像獲取手段方面,使用了可置于野外的水下顯微成像系統(tǒng),同時設(shè)計開發(fā)了可分層獲取圖像的分層顯微成像系統(tǒng)。為提升藻類圖像的質(zhì)量和可識別性,采取了不同的去噪和增強對比度的方法,并對這些方法進行了比較,最終選定了大津法（OTSU）去噪和直方圖拉伸的對比度增強相結(jié)合的圖像預(yù)處理方案。藻細胞識別方面,本研究利用卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法,并采用了Faster R-CNN和Mobile Net架構(gòu),分別對夜光藻（Noctiluca scintillans）和青島大扁藻（Platymonas helgolandica var.Tsingtaoensis）進行了識別訓(xùn)練和驗... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省211工程院校985工程院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
        1.1.1 全球水體富營養(yǎng)化
        1.1.2 地表水體中的藻類監(jiān)測
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 藻細胞圖像拍攝
        1.2.2 藻種識別
        1.2.3 藻細胞濃度計量
    1.3 研究內(nèi)容與意義
第2章 深度學(xué)習(xí)算法——卷積神經(jīng)網(wǎng)絡(luò)
    2.1 FASTER R-CNN架構(gòu)
        2.1.1 核心架構(gòu)
        2.1.2 RPN處理
        2.1.3 區(qū)域池化
    2.2 MOBILENET架構(gòu)
    2.3 深度學(xué)習(xí)算法中參數(shù)與函數(shù)的設(shè)置
        2.3.1 參數(shù)的調(diào)定
        2.3.2 激活函數(shù)的選取
    2.4 深度學(xué)習(xí)服務(wù)器
    2.5 本章小結(jié)
第3章 藻類圖像獲取
    3.1 水下顯微成像系統(tǒng)在野外原位監(jiān)測中的應(yīng)用
    3.2 分層顯微成像系統(tǒng)的開發(fā)和應(yīng)用
        3.2.1 設(shè)備開發(fā)
        3.2.2 分層顯微成像系統(tǒng)拍攝的藻種
        3.2.3 可識別景深的確定
    3.3 本章小結(jié)
第4章 藻類圖像處理
    4.1 原始圖像的裁剪
    4.2 對比度增強
        4.2.1 對數(shù)變換
        4.2.2 指數(shù)變換
        4.2.3 直方圖拉伸
    4.3 圖像去噪
        4.3.1 自動閾值法
        4.3.2 自適應(yīng)閾值法
    4.4 藻類圖像處理結(jié)果
        4.4.1 對比度增強
        4.4.2 去噪
        4.4.3 對比度增強與去噪的結(jié)合
    4.5 本章小結(jié)
第5章 藻類識別
    5.1 夜光藻的圖像識別
        5.1.1 訓(xùn)練過程
        5.1.2 訓(xùn)練及測試結(jié)果
    5.2 青島大扁藻的圖像識別
        5.2.1 訓(xùn)練過程
        5.2.2 訓(xùn)練及測試結(jié)果
    5.3 青島大扁藻面積計算
    5.4 本章小結(jié)
第6章 藻細胞濃度計量
    6.1 實驗方法
        6.1.1 藻液配置與分析
        6.1.2 傳統(tǒng)濃度計量方法
        6.1.3 基于深度學(xué)習(xí)結(jié)果的自動計量
    6.2 藻細胞濃度計量結(jié)果
        6.2.1 浮游生物計數(shù)框法的結(jié)果
        6.2.2 深度學(xué)習(xí)法的結(jié)果
        6.2.3 傳統(tǒng)計算方法與自動計算方法結(jié)果對比和驗證
    6.3 本章小結(jié)
結(jié)論
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于ROI-CNN的賽罕烏拉國家級自然保護區(qū)陸生野生動物自動識別[J]. 劉文定,李安琪,張軍國,謝將劍,鮑偉東.  北京林業(yè)大學(xué)學(xué)報. 2018(08)
[2]富營養(yǎng)化指數(shù)法在中國近岸海域的應(yīng)用[J]. 黃亞楠,吳孟孟.  海洋環(huán)境科學(xué). 2016(02)
[3]夜光藻有性繁殖研究進展[J]. 宋書群,李才文,孫軍.  生態(tài)學(xué)報. 2016(09)
[4]關(guān)于用藻密度對藍藻水華程度進行分級評價的方法和運用[J]. 李穎,施擇,張榆霞,趙琦琳,李愛軍,金玉,鐵程.  環(huán)境與可持續(xù)發(fā)展. 2014(02)
[5]洪澤湖藻類與環(huán)境因子逐步回歸統(tǒng)計和藍藻水華初步預(yù)測[J]. 王兆群,張寧紅,張詠.  中國環(huán)境監(jiān)測. 2012(04)
[6]流式細胞儀的原理、應(yīng)用及最新進展[J]. 趙書濤,武曉東,王策,陳永勤,唐玉國.  現(xiàn)代生物醫(yī)學(xué)進展. 2011(22)
[7]Geographical distribution of red and green Noctiluca scintillans[J]. P. J. HARRISON,K. FURUYA,P. M. GLIBERT,J. H. W. LEE,D. M. ANDERSON,R. GOWEN,A. R. AL-AZRI,A. Y. T. HO.  Chinese Journal of Oceanology and Limnology. 2011(04)
[8]4種沉水植物對白洋淀富營養(yǎng)化水體凈化效果的研究[J]. 任文君,田在鋒,寧國輝,劉霞,胡曉波,謝建治.  生態(tài)環(huán)境學(xué)報. 2011(02)
[9]水下全自動顯微成像儀[J]. 于翔,宋家駒,于連生.  海洋技術(shù). 2009(04)
[10]渤海赤潮的歷史、現(xiàn)狀及其特點[J]. 林鳳翱,盧興旺,洛昊,馬明輝.  海洋環(huán)境科學(xué). 2008(S2)



本文編號：3637866