對海洋浮游生物原位監測 深圳團隊研發新型水下成像系統

廣闊的大海中，有一類微小但重要的存在：浮游生物。如何更好地觀察它們?近日，中科院深圳先進院李劍平高級工程師團隊在海洋原位觀測儀器技術上取得了新進展。據悉，團隊研制了一種用于海洋浮游生物原位監測的新型水下成像儀系統，并在大亞灣海域的系泊水面浮標上進行了長期海試。最新研究成果發表在海洋工程學期刊IEEE Journal of Oceanic Engineering。

浮游生物是海洋生態系統的關鍵組成部分，在生物地球化學循環和碳循環中發揮著核心作用，同時也是海洋漁業和水產養殖生產的重要基礎。隨著沿海地區人口和人類活動的日益密集，海水污染、致災物種暴發等問題日益突出，威脅著近海生態系統的健康，甚至近岸設施的運行安全。因此，監測浮游生物種群動態變化的方法、工具和流程，對海洋生態科學研究和現代業務化海洋管理都極為重要。

浮游生物體積小且分布廣泛。很長一段時間里，對它們的監測都依賴人工網采和光學顯微鏡檢分析，不僅費時費力，而且鑒定人才匱乏。

此后，水面浮標以其成本低、可長時間部署、可無線組網等優勢，成為海洋監測中的熱門平臺選擇。20世紀90年代以來，出現了多種用于海洋浮游生物生態學研究的光學原位成像技術，但局限在于，現有水下成像儀并不能輕易集成到浮標平臺，從而實現長期海上作業。

為此，李劍平團隊研發了一種水下暗場彩色成像系統，采用一種新型的正交層狀閃光無影照明設計，不僅可對海洋浮游生物個體實現高質量的水下真彩色攝影，還減少了照明光向水下局部環境的泄漏，最大限度地避免了浮游動物因趨光性產生聚集而導致的觀測偏差。

針對水下微小目標原位圖像的特點，團隊研發了一種基于主動學習的圖像標注和分類算法訓練策略，充分利用人類智能與機器智能協同實現圖像標注、分類器訓練和分類結果校正等目標。在此基礎上提出了雙卷積神經網絡級聯算法，不僅高效地構建了包含90類圖像的大規模圖像數據集，還有效地消除了近岸水體中顆粒物對浮游生物識別的干擾，最終實現了浮游生物圖像的高準確度精細分類識別。

成果出來后，李劍平團隊耗時4年，歷經4期累計15天以上的近岸海試，于2020年6月22日將成像儀系統集成至水面浮標，并部署于深圳大亞灣海域。通過采取多項防生物附著措施，于今年2月25日成功回收。

在此次長達8個月的連續海試中，儀器成功獲取了該海域浮游生物豐度變化的時間序列數據，觀測到了浮游動物的晝夜垂直遷徙現象、優勢種的動態變化，并成功監測到了大亞灣海域首次記錄的尖筆帽螺暴發，為核電站及時處置應對災害提供了預警。

未來，團隊將進一步探索小型化、智能化、網絡化的海洋原位觀測傳感器與儀器。