[发明专利]基于光谱成像的赤潮藻种鉴别和浓度检测方法

说明书

本发明涉及一种基于光谱成像的赤潮藻种鉴别和浓度检测方法，包括以下步骤：步骤S1:获取特征波段藻液的光谱图像，选取图像中感兴趣区域并计算该区域内的平均光谱反射率，构建初始藻种光谱库；步骤S2:对初始藻种光谱库进行预处理，剔除异常样本后，作为藻种光谱库；步骤S3:根据藻种光谱库，采用支持向量机方法分别建立光谱反射率与不同藻种之间的关系模型和光谱反射率与藻细胞浓度之间的关系模型；步骤S4:获取待测水体不同波段的光谱图像，并计算光谱反射率；步骤S5:将待测水体光谱反射率输入步骤S3得到的关系模型对待测水体进行藻种鉴别和浓度预测。本发明能够大大降低赤潮检测成本，快速、无损获取赤潮有效光谱信息。

技术领域

本发明涉及赤潮藻种鉴别和浓度检测领域，具体涉及一种基于光谱成像的赤潮藻种鉴别和浓度检测方法。

背景技术

赤潮，又被称为有害藻华，是由赤潮藻在特定环境条件下爆发性增殖造成的。赤潮的发生不仅会破坏自然生态环境，而且还会影响社会经济、人类健康。早期发现赤潮，准确检测、防治赤潮对海洋湖泊的有效管理至关重要。

传统的赤潮检测方法需要通过复杂的化学和生物手段观察赤潮藻生命形态和结构，不仅费时费力，而且对检测人员的专业性要求较高。基于光谱的赤潮检测方法是最新的研究方向，赤潮光谱数据的获取方法有荧光光谱法、吸收光谱法和光谱成像法，以上几种方法常用荧光光谱分析仪、吸收光谱仪、高光谱相机等仪器，价格昂贵、体积大、质量重，难以在实际需求中推广使用。

发明内容

有鉴于此，本发明的目的在于提供一种基于光谱成像的赤潮藻种鉴别和浓度检测方法，能够大大降低赤潮检测成本，快速、无损获取赤潮有效光谱信息，建立更加精确的赤潮藻种鉴别和浓度检测模型。

为实现上述目的，本发明采用如下技术方案：

一种基于光谱成像的赤潮藻种鉴别和浓度检测方法，包括以下步骤：

步骤S1:获取特征波段藻液的光谱图像，并采用选取图像中感兴趣区域并计算该区域内的平均光谱反射率，构建初始藻种光谱库；

步骤S2:对初始藻种光谱库进行预处理，剔除异常样本后，作为藻种光谱库；

步骤S3:根据藻种光谱库，采用支持向量机方法分别建立光谱反射率与不同藻种之间的关系模型和光谱反射率与藻细胞浓度之间的关系模型；

步骤S4:获取待测水体不同波段的光谱图像，并计算光谱反射率；

步骤S5:将待测水体光谱反射率输入步骤S3得到的关系模型对待测水体进行藻种鉴别和浓度预测。

进一步的，所述藻种光谱库包括不同赤潮藻种之间和同一藻种不同浓度之间的光谱反射率样本矩阵。

进一步的，所述步骤S1采用工业相机结合滤光片获取特征波段下藻液的光谱图像：

进一步的，所述光谱图像包括暗电流图像、99%反射率的标定板图像和实验室不同种类、不同浓度的藻液图像。

1. 进一步的，所述光谱反射率计算公式为：

式中，为待测水体图像的光谱，为反射率为0%的暗电流图像的光谱，为反射率为99%的标准白板图像的光谱，为待测水体反射率。

进一步的，所述步骤S2采用观察法和马氏距离异常样本剔除方法。

进一步的，所述马氏距离的计算公式如下：

式中，为特征波段样本的光谱反射率，为多维随机变量的协方差矩阵，为样本均值。

进一步的，所述支持向量机方法，具体为：

确立目标优化函数和约束条件；

将优化求解问题转化为线性模型，定义拉格朗日函数；

整理，得到对偶问题的最优化问题；

写出最优分离超平面方程或构建回归超平面和预测函数。