当前位置：环境水（除海水） > 生物 > 方案详情

环境水中生物检测方案

检测样品环境水（除海水）

检测项目生物

方案详情文

在藻类鉴定过程中一般基于藻体的具体形态特，由于藻体的形态特征比较复杂，不同时期，不同角度所展现的形态都有所不同，所以给藻种的鉴定带来了不小的难题，新增的两项“迅数”核心技术：生物相似性高精度智能搜索、混沌智能分类计数，实现快速的藻类辅助鉴定和不同藻类的自动分割计数。

智能文字提取功能测试中

藻类辅助鉴定计数新方案在2009年，迅数推出全球首创的“基于图像的浮游生物检测与智能鉴定系统”，迎合国家对环境监测事业重视，为环境监测机构及科研院所的藻类监测和研究提供了有效的手段。在藻类鉴定过程中一般基于藻体的具体形态特，由于藻体的形态特征比较复杂，不同时期，不同角度所展现的形态都有所不同，所以给藻种的鉴定带来了不小的难题。在原藻类系统中，迅数首创的基于形态学搜索的鉴定系统，配合藻类专家数据库进行搜索鉴定，能够有效的缩小藻种范围，减轻工作量。虽然通过形态学能够极大的缩小藻种范围，但精度不是很高。在14年推出的新一代藻类计数系统中，新增两项“迅数”核心技术：生物相似性高精度智能搜索、混沌智能分类计数，实现快速的藻类辅助鉴定和不同藻类的自动分割计数。生物相似性高精度智能搜索是迅数新一代藻类智能鉴定的核心技术，通过“形态相似性”与“生物相似性”的有效结合，准确提取并融合藻种的生物特征，极大地提高了藻类搜索精度，使得快速藻类鉴定成为可能。 (1) 原理颜色特征提取：依据颜色直方图提取藻细胞颜色特征。纹理特征提取：基于 Gabor 滤波器的旋转不变性特征，提取藻细胞纹理特征。智能搜索：将两种特征融合为特征向量，使用支持向量机的分类器进行训练，实现对藻细胞图像的分类鉴别搜索。 Gabor 滤波器 (2) 实例：混合藻自动分类计数：混沌智能分类计数是迅数在藻类自动分类计数研究方面的重大技术突破，初步实现了形态、色泽差异大的多类藻细胞自动分类计数。 (1) 原理： ● 混沌遗传算法：利用混沌运动所具有的随机性、遍历性和初值敏感性，将混沌状态引入到优化变量中，把混沌运动的遍历范围扩大到优化变量的取值范围，从而实现对水体中所有藻类的图像分割。模糊C均值聚类算法：确定每个藻种样本数据隶属于某个聚类的程度，把隶属程度相似的藻归为一个聚类。聚类出全部“亚历山大藻"

关闭