深圳先進院海洋原位觀測儀器技術取得新突破
近日，中國科學院深圳先進技術研究院集成所光電工程技術中心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突破。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。最新研究成果以Development of a Buoy-Borne Underwater Imaging System for In situ Mesoplankton Monitoring of Coastal Waters為題，發表在海洋工程學期刊IEEE Journal of Oceanic Engineering（IF=3.554）上。深圳先進院集成所光電工程技術中心李劍平高級工程師為該文章通訊作者和第一作者，博士生陳濤和碩士生楊振宇分別為第二、三作者。
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。監測浮游生物種群動態變化的方法、工具和流程，不僅對海洋生態科學研究意義重大，對現代業務化海洋管理也極為重要。然而，浮游生物監測一直依賴人工網采和光學顯微鏡檢分析，不能滿足準確、及時、連續、和可持續地浮游生物監測需求。李劍平團隊利用浮標平臺成本低、可長時間部署、可無線組網等優勢，研發了一種水下暗場彩色成像系統，提升了對海洋浮游生物長期、連續、高頻、原位監測的能力，彌補了現有觀測技術的不足。
該成像系統采用了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，最大程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。此外，成像儀還支持不同的放大倍率，覆蓋了200μm-20mm不同大小的浮游生物體長范圍。為了減少數據存儲和傳輸的壓力，成像儀配備的嵌入式計算單元可在圖像采集后實時進行目標檢測預處理，并通過無線網絡將感興趣的目標圖像即時傳輸到云端服務器，通過在云端計算的深度學習算法進一步識別和量化，以獲取監測信息，供最終用戶遠程檢索。
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的。在此基礎上團隊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。
在四年時間里，李劍平團隊歷經四期累計15天以上的近岸海試后，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2021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。上述海試結果展示證明了團隊研發的海洋浮游生物觀測系統能夠提供更全面及時的浮游生物監測信息，有望成為海洋浮標觀測平臺的一種新工具。
該項目得到國家重點研發計劃項目、深圳市科技創新計劃項目等資助，并得到深圳大學、廈門大學、中科院南海海洋研究所、中國水產科學研究院南海所、澳大利亞聯邦科學與工業機構大氣與海洋研究所及多家合作企業幫助。
圖 1 近海錨系浮標基水下浮游生物原位成像儀
圖2 浮標海試獲取的典型浮游生物圖像選集
