样头浮游样仪

北京时间11月10日，中国科学院深圳先进技术研究院集成所光电工程技术中心李剑平博士团队在海洋数据机器学习算法研究中取得新成果，提出了一种基于对比学习的浮游生物图像识别检索框架，在解决实际海洋数据中的不均衡分布、数据漂移、开集识别问题中展现出了优异性能。论文以Contrastive Learning-based Image Retrieval for Automatic Recognition of in situ Marine Plankton Images为题，发表在国际海洋考察理事会海洋科学期刊ICES Journal of Marine Science上。中国科学院大学硕士杨振宇为第一作者，李剑平博士为论文通信作者，深圳先进院为第一单位。来自厦门大学、哈尔滨工业大学（深圳）的数据科学家参与本课题的合作研究。文章上线截图经过了30多年来的发展，海洋水下成像仪器为海洋浮游生物原位观测带来了海量图像数据，刺激了计算机图像自动识别技术的长足发展。然而，训练机器对来自实际中复杂海洋环境下的图像数据进行准确识别始终是一项极具挑战的任务。现有浮游生物图像机器学习分类算法虽然在某些闭合数据集上取得了良好表现，但是当应用于来自不同时空的实际数据时，往往会出现性能不稳定甚至骤降的问题，不能满足海洋观测的实时准确要求。通过深入调研，李剑平团队发现现有算法几乎全部将浮游生物识别问题处理成了一个对“N+1类”目标图像的分类问题（即N类感兴趣目标和1类所有不感兴趣目标）。然而，与其他领域中图像识别任务不同的是，在真实海洋环境中采集的数据必将面临成像质量恶化、数据分布不均、数据分布漂移和分布外样本出现等问题的挑战。因此，在闭合数据集上训练优化的机器学习算法在应用时，由于待识别数据集不满足与训练数据集的独立同分布条件，导致识别性能极易下降，只能通过费时费力的数据重新标注和模型重新训练来恢复其性能，显然这样就造成了机器学习算法的高昂的部署成本，难以在实际中应用。 李剑平团队提出的浮游生物原位图像检索识别框架IsPlanktonIR示意针对这一瓶颈，李剑平团队设计并训练了一种基于对比学习的浮游生物图像检索框架IsPlanktonIR，以图像相似度比对的方式，通过图像检索灵活地解决浮游生物的原位图像识别问题，实现浮游生物图像的自动识别。在该框架里，研究团队首先选取SEResNext作为浮游生物图像特征提取器，利用有监督的对比学习对其训练，使其获得较强的特征提取能力。识别图像时，通过比较待识别图像和一个检索库中图像特征的相似性，实现对其具体类别判定或对分布外样本的发现与拒识。此外，IsPlanktonIR框架还提供了人机交互接口，以供使用者方便地检查校验识别结果，扩充检索库，不断完善增强识别性能。 训练浮游生物图像检索框架中特征提取器的代表图像数据为了实现该识别框架的算法训练和效果验证，团队利用独立研发的海洋浮游生物原位光学成像仪在深圳大亚湾和海南昌江海域采集的图像构建了一个实验数据集。利用该数据集，团队使用部分类别图像对模型进行了训练，构造了多种不同组合的检测数据集，以检验该框架在真实海洋环境中应对必将发生的数据不均衡、数据分布漂移、分布外样本出现情况下的性能表现。实验结果表明，IsPlanktonIR算法框架在应对同时存在上述问题的测试集上均表现出了优异的性能。尤其是当测试中遇到新类别图像出现时，只需向检索库中添加部分新的人工标注样本，即可使框架实时拥有对新类别图像的正确识别能力。此外，团队还对该框架与经典的浮游生物图像分类算法和最新的异常值检测算法的性能在相同的测试集上进行了比较。结果表明，IsPlanktonIR不仅在二者不可处理的开集识别问题上取得了很好的效果，在这两类算法擅长处理的闭集分类问题上也取得了可比拟、甚至部分超越的性能指标。IsPlanktonIR的识别结果稳健性也大大增强，展示出了在实际海洋观测应用中的可靠性和灵活性。 在不同条件下的测试实验中IsPlanktonIR识别框架和对照算法的性能表现对比此外，为了提高框架的图像检索效率，减小存储和计算开销，李剑平团队还提出了一种压缩精简的算法，将浮游生物图像检索库进一步稀疏化，在几乎不降低识别准确率的前提下将检索库的大小缩小了一半，保障了基于图像检索的图像识别框架在大规模数据下的检索速度，以满足海洋观测的高实时性要求。IsPlanktonIR框架的发展为真实海水环境下的浮游生物原位长期观测提供了一套更加有效、稳健、灵活、便捷的算法方案，更加贴近海洋观测的实际需求，将有助于促进人工智能在海洋生物观测识别任务的落地应用。该论文研究得到了中国科学院国际合作重点项目和深圳市科技创新计划基础研究重点项目的支持。

p 　　据《西日本新闻》报道，福冈工业大学环境科学研究所的研究团队在福冈市内的空气里检测出了浮游的微塑料垃圾。这是日本九州地区首次在空气中检测到微塑料垃圾。 /p p 　　但由于空气中的微塑料比海洋中的体积更小，肉眼完全看不见，很难掌握其移动和扩散途径及范围，因此成为当前研究的一个紧急课题。另一方面，研究人员目前并不清楚微塑料究竟会对人体造成何种影响。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/202005/uepic/ee990c9b-bdeb-447b-be31-fdbd966bdb1a.jpg" title=" b151f8198618367aaa21de1d6ef042d1b11ce5cb.jpg" alt=" b151f8198618367aaa21de1d6ef042d1b11ce5cb.jpg" / /p p 　　福冈工业大学环境科学研究所的研究团队首次在日本九州地区的空气里检测出了微塑料。(图据《西日本新闻》) /p p 　　 strong 日本九州空气中首次测出微塑料 /strong /p p 　　据了解，2004年，英国普利茅斯大学的汤普森等人在《科学》杂志上发表了关于海洋水体和沉积物中塑料碎片的论文，首次提出了“微塑料”的概念。它指的是直径小于5毫米的塑料碎片和颗粒。实际上，微塑料的粒径范围从几微米到几毫米，是形状多样的非均匀塑料颗粒混合体，肉眼往往难以分辨，被形象地称为“海中的PM2.5”。 /p p 　　随着研究的不断深入，有研究论文指出，微塑料不仅只存在于海洋中，也广泛浮游在空气里，而且随季风等影响，在全球范围内移动。 /p p 　　今年3月，福冈工业大学环境科学研究所的研究团队在永渊修客座教授的带领下，分析了该校东区校园的空气和雨水样本，并在样本里发现了聚乙烯和聚苯烯的微粒子。这是日本九州地区首次在空气中检测到微塑料垃圾。此前，研究人员曾在山岳地带的树冰里发现过微塑料垃圾。该结果在日本首次印证了此前的研究。今后，该研究团队将进一步研究这些微塑料的传播途径、传播量等更多情况。 /p p 　　而在今年4月，一项发表在知名地学刊物《自然-地球科学》(Nature Geoscience)的研究称，一个欧洲研究团队在海拔1300多米的比利牛斯山脉的空气里检测到了微塑料。这表明微塑料不仅能从海洋传播到陆地，还能在空气中进行远距离传播。 /p p 　　但由于空气中的微塑料比海洋中的微塑料体积更小，肉眼完全看不见，很难掌握其移动和扩散途径及范围，因此成为当前研究的一个紧急课题。 /p p 　　永渊修客座教授从大约30年前就开始致力于研究山岳地带的树冰，试图从中发现大气污染物的变化。他将其当作研究大气污染物的一个重要途径，每年寒潮到来的时候，都要去九州地区的山岳地带采集样本。他表示：“寒潮的移动路线在卫星云图上一目了然，只要在树冰里发现了微塑料，就很容易判断出它们的传播途径。” /p p 　　 strong 8个国家的人类粪便里曾测出微塑料 /strong /p p 　　据报道，去年10月23日，维也纳医科大学的研究团队曾发表研究论文称：“从包括日本在内的8个国家的人类粪便里检测出了微塑料。其中1名研究对象的粪便里发现了9种不同的塑料。”该团队表示，这是全球首次从人体内检测出微塑料。其途径可能是通过食物、饮用水等进入体内。可能会对人体健康造成影响，必须进行进一步研究调查。 /p p 　　虽然研究人员目前并不清楚微塑料究竟会对人体造成何种影响，但在永渊修看来：无论是微塑料还是有害化学物质，只要吸入了人体，都可能会引发健康问题。永渊修表示，自己将带领团队到日本鹿儿岛县、大分县以及韩国济州岛等地区采集样本，作进一步的分析研究。 /p

一、名称：藻类和浮游动物自动分类计数仪(AlgaeAC+ZooCC增强型)英文名： Automatic identification and classification counter for Algae & Zooplankton, Model AlgaeAC+ZooCC plus二、用途：水体中的浮游植物（藻类）和浮游动物优势种类和数量，以及颗粒度分布是研究水环境的重要依据，历来采用人工作业判定，相当费时费力。AlgaeAC藻类自动分类计数仪和ZooCC浮游动物自动分类计数仪可有效解决用户的该痛点问题，主要用于生态学调查、渔业、水产养殖、教育中，对水体中的浮游植物（藻类）和浮游动物样品，做自动分类计数、大小测量以及生物量测定。AlgaeAC+ZooCC增强型还带有藻类和浮游动物的智能鉴定模块，帮助减轻以往繁重的鉴定工作量，是生态调查监测的必备工具。三、核心参数：1、★全时自动对焦的2410万像素高分辨率大视野光学成像，针对显微藻类优化的对焦算法，确保扫描图像清晰，支持20X、40X物镜等放大倍率。2、★水样经前处理而置于藻类计数框后，自动完成藻类识别与分类计数全过程（自动移动视野对焦扫描拍照、自动分类识别计数、自动生成统计报表）。检测依据《SL733-2016内陆水域浮游植物监测技术规程》、《水和废水监测分析方法》（第四版）第五篇《水和废水的生物监测方法》，及GB17378-2007《海洋监测规范》、GB/T12763-2007《海洋调查规范》对应到藻类的计算要求。3、★系统内含蓝藻门、硅藻门、绿藻门、裸藻门、隐藻门、金藻门、甲藻门、黄藻门常见的55个属种以上藻类分类识别库，可根据当地情况自行扩展到60个至100个属种。4、★可分析获得每个藻体的面积、周长、体积、长、宽、主轴、副轴、等效直径等形态参数。可分析统计各藻类（按门或属种）的数量、面积、体积及其占比；对各分类进行排序及柱状图显示占比情况。可在Excel软件中进一步统计分析数据。可在采集图像上直接标出藻类名称，提取分割每个藻类的图像并自动分类保存，可回溯查看历史数据。自动给出分类计数统计报告，标示优势种和优势度，并按优势种排序。自动计算香农-威纳指数、均匀性指数、丰富度指数、藻个体密度、藻细胞密度、生物量等。5、可自动分类分析3～1000μm的藻类，100个视野的自动扫描成像+自动分析时间15-20分钟（视野数25-400个可选）；检测范围为105-1010个/升；当地分类识别库优势种自动识别率≥90%，综合自动识别率≥80%，经交互修正后的最终识别率可达98%以上；在浓度为107-108个/升时，自动分析的重复性误差小于5%。6、模仿人工显微镜检测藻类的过程，可按全片计数法、对角线计数法、行格计数法、随机视野计数法等5种计数方式进行成像计数。7、★可以9600*6400dpi扫描获得巨大的透扫正片图像（厂家标示的最高分辨率62336*37760像素），能包含上千个完整的浮游动物。优化的照明参数能确保图像对比度和成像质量。8、★自动提取和保存超大图像中的浮游动物，自动学习并实现150μm以上常见优势浮游动物按大类鉴定来高效率自动分类计数（按滤网200μm为1档，1500μm为2档，分别从多到少来自动统计），给出浮游动物大小的粒径谱分布等参数。内置东海、南海、黄海、渤海四大海域初步分类文件，用户可自行扩充或新建标准库（种类可达100类），自动学习生成分类文件。学习15大类3000张已分类图库样本，来新建自动学习分类文件耗时≤6分钟/次。9、★适合分析水样量50-700mL/次。扫描图像≤15分钟/水样，分类计数的自动分析耗时≤6分钟/水样。具有鼠标辅助分割和拖动目标改判分类特性，以获得100%正确的统计结果。10、★自动给出分类计数统计报告，可分析获得每个浮游动物的面积、周长、体积、长、宽、主轴、副轴、等效直径等形态参数。可分析统计每类浮游动物的数量、面积、体积、占比及多样性指数；对各分类进行排序及柱状图显示占比情况。可在Excel软件中进一步统计分析数据。11、可批量化兼容导入其它已知标准学习库图和其它图像。标配2个水样盘：高透光超白玻璃做面，容积2cm高*144cm2（9600*6400dpi或9600*4800dpi扫描，对应1档滤网）、2cm高*350cm2（1200*1200dpi扫描，对应2档滤网）。12、★藻类和浮游动物的智能鉴定模块1）能快速有效地以图搜图，来智能鉴定多达2.4098万个种海水和淡水的藻类、浮游动物（中文、拉丁文双语显示的浮游生物专家图库：藻类共15个门、1636个属、14645个种；浮游动物共24大类、1936个属、9453个种）。已有有效图库量26.4777万张以上，各图库属种和内容可自行扩充。还能按P5胸足搜索鉴定桡足类。2）能自动索引用户已建计数表的藻类和浮游动物来生成所关注流域小图库，使以图搜图搜素鉴定更快捷准确。3）微囊藻分析模块能自动学习与自动分析团状微囊藻群体的细胞数，自动计数颗粒性或单细胞微藻、链状微藻细胞、线虫等类的浮游动物。4）具有藻类、浮游动物计数及形态测量功能，统计并报告优势种序列。内置34种几何模型，通过测量少量参数即可计算浮游生物个体/细胞体积及生物量。13、可根据采集地地理坐标在地图上定位及标注，支持高德地图、高德卫星地图、谷歌地图、谷歌卫星地图等多种地图源。14、厂家提供协助建立1个当地分类初始识别库服务，提供远程协助指导、3年免费远程升级服务。四、配置清单：1）藻类和浮游动物自动分类计数仪AlgaeAC+ZooCC增强型（含浮游生物智能鉴定系统） 1套2）高精度电控X-Y自动扫描平台+控制器 1套3）全时自动对焦的高分辨率光学成像系统 1套4）高分辨率、高性能A4幅面影像扫描仪 1套5）奥林巴斯BX53三目生物显微镜 1套6）品牌电脑（i5 九代以上CPU /16G内存/含支持CUDA的GTX1060 GPU/ 2T硬盘/ 23”彩显，1个USB3.0口+3个USB2.0口，运行环境Windows 10操作系统） 1台7）高透明大容量水样盘 2个本技术标书中打★款项必须响应，否则为重大偏离。建议报“单一来源”直接采购，理由是：目前仅万深分析系统能快速有效地以图搜图，来智能鉴定多达2.4098万个种的藻类、浮游动物，国内外其它任何系统均无法替代或PK。直采因省掉中间环节还省钱。创新点：用于生态学调查、渔业、水产养殖、教育中，对水体中的浮游植物（藻类）和浮游动物样品，做自动分类计数、大小测量以及生物量测定，自动完成藻类识别与分类计数全过程（自动移动视野对焦扫描拍照、自动分类识别计数、自动生成统计报表）。其还带有藻类和浮游动物的智能鉴定模块，快速有效地以图搜图，来智能鉴定多达2.4098万个种海水和淡水的藻类、浮游动物，帮助减轻以往繁重的鉴定工作量，是生态调查监测的必备工具。 藻类和浮游动物自动分类计数仪