经过三年攻关，南水北调中线浮游藻类AI识别研究取得新突破。长江局监测科研中心牵头承担的“十三五”水专项子课题“中线水质监控关键技术与体系优化技术”项目围绕南水北调中线浮游藻类自动在线监测的现实需求，开展了中线浮游藻类AI识别研究，开发的智能设备在多通路藻类样本进样、聚焦、拍摄、识别及计数等方面突破性实现了自动化，能在无人值守条件下实现藻类的种类、比例、藻密度等多指标自动分析输出，具有明显的技术优势。

图1浮游藻类智能监测设备

浮游藻类监测国内外目前仍以人工镜检为主，其监测设备多是基于光谱法或传统图像识别算法，检测误差大，实用性不强，难以大范围推广。为突破藻类识别精度瓶颈，长江局监测科研中心（原长江流域水环境监测中心）在国家水专项“十三五”课题“南水北调中线输水水质预警与业务化管理平台建设”支持下，联合南水北调中线干线工程建设管理局、睿克环境科技（中国）有限公司等单位开展了南水北调中线浮游藻类AI识别研究，在藻类自动进样技术、多景深显微拍摄与图片处理技术、藻类AI识别模型研发等方面取得了重大进步。

该浮游藻类AI识别设备集成化的控制箱与样本加载装置，原创性地实现了15路样本自动切换取样检测。样本加载装置具备自动震荡功能，能保证藻类均匀进样。自动清洗进样管道和观测卡匣功能，可避免管路堵塞，延长管路使用寿命。

图2 藻类自动进样系统

新颖的显微图像扫描系统在软硬件配合下，利用多通道流体样本卡匣，能在显微镜下对不同焦平面深度下的测试样本进行拍摄对比，确保当前视野内不同位置、不同形态的浮游藻类全部拍摄成像，并可筛选处理出最清晰的藻类个体显微图像，为后续的智能识别过程打下基础。

图3 藻类自动扫描

人工智能识别软件的创新是本项目的重点与难点。浮游藻类具有种类多样、群聚、排列变化多样、相近属种相似度高、分类依据复杂等特点。如何让机器准确识别浮游藻类是业内前沿的学术挑战。项目团队开发了藻类人工智能识别的针对性路径：以基于深度神经网络的特征检测方法为核心，以专家知识辅助建立的人工特征检测方法为补充，进行决策层融合后产生最终的目标检测结果。经过三年的努力，目前针对中线浮游藻类识别系统已构建了标准化的标记图库，并进行了深度学习训练及优化，实现了对南水北调中线总干渠常见藻类的智能识别，具备了大规模推广应用的价值。

目前，浮游藻类AI识别研究成果已经申请专利，在浮游藻类AI识别领域的学术创新也在国际范围内获得了专业同侪的认可，并已发表于人工智能领域的重要国际会议“2020年第42届国际医学与生物学工程学会年会(EMBC 2020)”。

自动识别是藻类监测行业的重要发展方向。浮游藻类AI识别设备未来可广泛应用在生态环保领域，可为湖库富营养化监测、藻类水华监测预警与防控提供有力支撑，缓解我国藻类监测专业人员不足的困境，并将逐渐拓展至浮游动物、鱼类等水生生物的自动监测，进而加速我国水生态自动化监测的发展进程。