一种鱼毒性赤潮藻在线检测识别方法及系统技术方案

本发明专利技术涉及一种鱼毒性赤潮藻在线检测识别方法及系统。该方法包括：赤潮藻样本的三维荧光光谱数据；对所述赤潮藻样本的三维荧光光谱数据进行预处理；对预处理后的三维荧光光谱数据提取光谱特征；根据提取的光谱特征，采用粒子群优化支持向量机方法，建立鱼毒性赤潮藻类溶血活性识别的映射模型；根据提取的光谱特征，利用所述映射模型，确定识别结果。本发明专利技术所提供的一种鱼毒性赤潮藻在线检测识别方法及系统能够实现不间断原位在线检测并且提高了检测精度。检测精度。检测精度。

【技术实现步骤摘要】
一种鱼毒性赤潮藻在线检测识别方法及系统


[0001]本专利技术涉及鱼毒性赤潮藻的定性检测领域，特别是涉及一种鱼毒性赤潮藻在线检测识别方法及系统。

技术介绍

[0002]赤潮(harmful algal bloom，HAB)，又称红潮，是在特定的环境条件下，海水中某些浮游植物、原生动物或细菌爆发性增殖或高度聚集而引起水体变色的一种有害生态现象。其中鱼毒性(Ichthyotoxic)赤潮可产生多种有毒物质，在短时间内致使鱼类和贝类大量死亡。目前，鱼毒性赤潮藻类已经广泛分布于中国沿海，仅2012年，中国东海就因为米氏凯伦藻损失了20多亿元，严重制约了中国近海养殖业的可持续健康发展，如果能对鱼毒性赤潮藻进行原位在线的早期快速识别，可为养殖户提前预警，从而采取相关措施，减少鱼毒性赤潮藻对海水养殖业带来的经济损失。
[0003]目前鱼毒性赤潮藻种类的检测方法主要包括以下三类：一是基于形态的赤潮生物检测技术，二是基于分子技术的藻类识别技术，三是基于抗体的免疫识别技术，四是基于藻类发射荧光光谱的检测技术。基于细胞形态学进行识别，不能判定藻类的毒性类别；分子技术只能用于实验室对赤潮藻种类进行鉴定识别，也不能进行现场快速检测；免疫识别技术目前已开发出多种用于检测藻类的试剂盒或试剂条，但这些试剂只能用于已知藻类的检测，且样本需在实验室进行前处理，耗时较长，缺乏时效性，也不能用于原位检测。随着近年来荧光检测技术的进步，三维荧光光谱数据技术在藻类识别方面得到快速发展，且三维荧光光谱数据技术日益成熟，目前已开发出多种应用于石油、多氯联苯、生物激素和微藻识别等方面的专业设备。但是目前，并没有一种能用于鱼毒性赤潮藻的在线检测的识别方法或系统。

技术实现思路

[0004]本专利技术的目的是提供一种鱼毒性赤潮藻在线检测识别方法及系统，能够实现不间断原位在线检测并且提高了检测精度。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种鱼毒性赤潮藻在线检测识别方法，包括：
[0007]获取赤潮藻样本的三维荧光光谱数据；所述赤潮藻样本包括鱼毒性赤潮藻和非鱼毒性赤潮藻；
[0008]对所述赤潮藻样本的三维荧光光谱数据进行预处理；
[0009]对预处理后的三维荧光光谱数据提取光谱特征；
[0010]根据提取的光谱特征，采用粒子群优化支持向量机方法，建立鱼毒性赤潮藻类溶血活性识别的映射模型；
[0011]根据提取的光谱特征，利用所述映射模型，确定识别结果；所述识别结果为鱼毒性赤潮藻或非鱼毒性赤潮藻。
[0012]可选的，所述对所述赤潮藻样本的三维荧光光谱数据进行预处理，具体包括：
[0013]将所述三维荧光光谱数据转换为xls文件，并将转换后的文件导入MATLAB2018a软件转成mat文件。
[0014]可选的，所述对预处理后的三维荧光光谱数据提取光谱特征，具体包括：
[0015]根据所述预处理后的三维荧光光谱数据，采用穷举法，确定激发波长；
[0016]根据所述预处理后的三维荧光光谱数据的等高线图以及光谱区间确定发射波长；所述光谱区间为650nm
‑
750nm；
[0017]根据不同激发波长下的发射波长的首尾连接，确定所述光谱特征。
[0018]可选的，所述根据提取的光谱特征，采用粒子群优化支持向量机方法，建立鱼毒性赤潮藻类溶血活性识别的映射模型，具体包括：
[0019]根据提取的光谱特征调节粒子群优化支持向量机的参数；所述参数包括：加速常数、最大迭代次数以及粒子群种群数量；
[0020]根据调整参数后的粒子群优化支持向量机确定所述映射模型；所述映射模型以提取的光谱特征为输入，以所述识别结果为输出。
[0021]一种鱼毒性赤潮藻在线检测识别系统，包括：
[0022]三维荧光光谱数据获取模块，用于获取赤潮藻样本的三维荧光光谱数据；所述赤潮藻样本包括鱼毒性赤潮藻和非鱼毒性赤潮藻；
[0023]预处理模块，用于对所述赤潮藻样本的三维荧光光谱数据进行预处理；
[0024]光谱特征提取模块，用于对预处理后的三维荧光光谱数据提取光谱特征；
[0025]映射模型建立模块，用于根据提取的光谱特征，采用粒子群优化支持向量机方法，建立鱼毒性赤潮藻类溶血活性识别的映射模型；
[0026]识别结果确定模块，用于根据提取的光谱特征，利用所述映射模型，确定识别结果；所述识别结果为鱼毒性赤潮藻或非鱼毒性赤潮藻。
[0027]可选的，所述预处理模块具体包括：
[0028]预处理单元，用于将所述三维荧光光谱数据转换为xls文件，并将转换后的文件导入MATLAB2018a软件转成mat文件。
[0029]可选的，所述光谱特征提取模块具体包括：
[0030]激发波长确定单元，用于根据所述预处理后的三维荧光光谱数据，采用穷举法，确定激发波长；
[0031]发射波长确定单元，用于根据所述预处理后的三维荧光光谱数据的等高线图以及光谱区间确定发射波长；所述光谱区间为650nm
‑
750nm；
[0032]光谱特征确定单元，用于根据不同激发波长下的发射波长的首尾连接，确定所述光谱特征。
[0033]可选的，所述映射模型建立模块具体包括：
[0034]参数调整单元，用于根据提取的光谱特征调节粒子群优化支持向量机的参数；所述参数包括：加速常数、最大迭代次数以及粒子群种群数量；
[0035]映射模型建立单元，用于根据调整参数后的粒子群优化支持向量机确定所述映射模型；所述映射模型以提取的光谱特征为输入，以所述识别结果为输出。
[0036]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0037]本专利技术所提供的一种鱼毒性赤潮藻在线检测识别方法及系统，基于三维荧光光谱方法检测，具有无化学试剂、无污染、操作简单、快速识别等优点；通过三维荧光光谱数据进行特征提取，进而利用映射模型进行识别，能够实现不间断原位在线测量；并且通过粒子群优化支持向量机方法建立鱼毒性赤潮藻类溶血活性识别的映射模型，即将粒子群优化支持向量机分类算法算法首次应用于鱼毒性赤潮藻与非鱼毒性赤潮藻的识别中来，用较少的光谱信息建立了鱼毒性赤潮藻的最优识别模型，检测精度高。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0039]图1为本专利技术所提供的一种鱼毒性赤潮藻在线检测识别方法流程示意图；
[0040]图2为6种鱼毒性赤潮藻的三维荧光等高线图；
[0041]图3为8种非鱼毒性赤潮藻的三维荧光等高线图；
[0042]图4为本专利技术所提供的一种鱼毒性赤潮藻在线检测识别系统结构示意图。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种鱼毒性赤潮藻在线检测识别方法，其特征在于，包括：获取赤潮藻样本的三维荧光光谱数据；所述赤潮藻样本包括鱼毒性赤潮藻和非鱼毒性赤潮藻；对所述赤潮藻样本的三维荧光光谱数据进行预处理；对预处理后的三维荧光光谱数据提取光谱特征；根据提取的光谱特征，采用粒子群优化支持向量机方法，建立鱼毒性赤潮藻类溶血活性识别的映射模型；根据提取的光谱特征，利用所述映射模型，确定识别结果；所述识别结果为鱼毒性赤潮藻或非鱼毒性赤潮藻。2.根据权利要求1所述的一种鱼毒性赤潮藻在线检测识别方法，其特征在于，所述对所述赤潮藻样本的三维荧光光谱数据进行预处理，具体包括：将所述三维荧光光谱数据转换为xls文件，并将转换后的文件导入MATLAB2018a软件转成mat文件。3.根据权利要求1所述的一种鱼毒性赤潮藻在线检测识别方法，其特征在于，所述对预处理后的三维荧光光谱数据提取光谱特征，具体包括：根据所述预处理后的三维荧光光谱数据，采用穷举法，确定激发波长；根据所述预处理后的三维荧光光谱数据的等高线图以及光谱区间确定发射波长；所述光谱区间为650nm
‑
750nm；根据不同激发波长下的发射波长的首尾连接，确定所述光谱特征。4.根据权利要求1所述的一种鱼毒性赤潮藻在线检测识别方法，其特征在于，所述根据提取的光谱特征，采用粒子群优化支持向量机方法，建立鱼毒性赤潮藻类溶血活性识别的映射模型，具体包括：根据提取的光谱特征调节粒子群优化支持向量机的参数；所述参数包括：加速常数、最大迭代次数以及粒子群种群数量；根据调整参数后的粒子群优化支持向量机确定所述映射模型；所述映射模型以提取的光谱特征为输入，以所述识别结果为输出。5.一种鱼毒性赤潮藻在线检测识别系统，其特征在于，包括：三维荧...

【专利技术属性】
技术研发人员：毕卫红，王思远，付广伟，付兴虎，金娃，
申请(专利权)人：燕山大学，
类型：发明
国别省市：