CN109030488B - 藻类生物量检测方法及装置 - Google Patents

藻类生物量检测方法及装置 Download PDF

Info

Publication number
CN109030488B
CN109030488B CN201810667294.1A CN201810667294A CN109030488B CN 109030488 B CN109030488 B CN 109030488B CN 201810667294 A CN201810667294 A CN 201810667294A CN 109030488 B CN109030488 B CN 109030488B
Authority
CN
China
Prior art keywords
biomass
area
unit pixel
algae
species
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810667294.1A
Other languages
English (en)
Other versions
CN109030488A (zh
Inventor
郝雅
王影
唐学玺
曲同飞
钟怡
管晨
赵新宇
张焕新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ocean University of China
Original Assignee
Ocean University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ocean University of China filed Critical Ocean University of China
Priority to CN201810667294.1A priority Critical patent/CN109030488B/zh
Publication of CN109030488A publication Critical patent/CN109030488A/zh
Application granted granted Critical
Publication of CN109030488B publication Critical patent/CN109030488B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供了一种藻类生物量检测方法及装置,涉及藻类数据检测的技术领域,该方法包括获取多个对待测区域采样的现场照片;对每个现场照片进行像素化处理,以生成单位像素面积、单位像素色度和同色度像素数量;根据单位像素色度和色度标准值确定对应的藻种;根据标准单位像素面积、单位像素面积和标准单位像素生物量系数生成藻种的单位像素面积生物量,并根据单位像素面积生物量和同色度像素数量确定现场照片中藻种的生物量;根据现场照片的面积在待测区域的面积中的占比及现场照片中藻种的生物量确定确定待测区域中藻种的总生物量。本发明在不破坏、不杀死藻体的情况下确定藻体种类并估算各藻类在待测区域内的总生物量。

Description

藻类生物量检测方法及装置
技术领域
本发明涉及藻类数据检测技术领域,尤其是涉及一种藻类生物量检测方法及装置。
背景技术
大环境下,斑块状漂浮藻类的生物量检测方法主要有现场采样估算,卫星遥感拍摄相关区域遥感照片估算等。而微环境下附着或漂浮藻类的生物量检测方法却不是很成熟,传统的方法是现场取样后进行室内分析,抽样检测等。现场取样容易取样不完整,留下大量残碎藻体,破坏微环境群落结构,取样后藻体死亡,因此只能对某个生长期进行一次性分析,不能对各个生长期进行比较分析。如果研究对象是经济藻类,还会影响经济收益。此外,现场取样工序繁琐,容易混杂污染,样品在运输过程中容易发生损坏变质,藻体结构形变明显,对后续分析造成一定的难度。
发明内容
有鉴于此,本发明的目的在于提供一种藻类生物量检测方法及装置,以在不破坏藻体形态结构的情况下对藻类生物量进行检测。
第一方面,本发明实施例提供了一种藻类生物量检测方法,包括:
获取多个对待测区域采样的现场照片;对每个现场照片进行像素化处理,以生成单位像素面积、单位像素色度和同色度像素数量;根据单位像素色度和色度标准值确定对应的藻种;获取藻种对应的标准单位像素面积和标准单位像素生物量系数;色度标准值、标准单位像素面积和标准单位像素生物量系数由样本照片提取,样本照片与现场照片的拍摄条件相同;根据标准单位像素面积、单位像素面积和标准单位像素生物量系数生成藻种的单位像素面积生物量,并根据单位像素面积生物量和同色度像素数量确定现场照片中藻种的生物量;根据现场照片的面积在待测区域的面积中的占比及现场照片中藻种的生物量确定待测区域中藻种的总生物量。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,该方法还包括,获取对待测区域藻种多次采样的样本照片;根据样本照片生成各个样本的色度、像素数量和标准单位像素面积,根据样本的色度生成藻种的色度标准值;统计各个样本的样本生物量,并根据样本生物量和像素数量计算各个样本的单位像素的生物量系数;根据单位像素的生物量系数生成藻种的标准单位像素生物量系数。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,该方法还包括,根据藻种的总生物量和藻种的种类,生成待测区域的总生物量。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,根据标准单位像素面积、单位像素面积和标准单位像素生物量系数生成藻种的单位像素面积生物量的步骤,包括:按照以下公式计算藻种的单位像素面积生物量:m1=k0*S1/S0,其中,m1为藻种的单位像素面积生物量,S0为标准单位像素面积,S1为单位像素面积,k0为标准单位像素生物量系数。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,根据单位像素面积生物量和同色度像素数量确定现场照片中藻种的生物量的步骤,包括:按照以下公式计算藻种的生物量:m=n*m1=n*k0*S1/S0,其中,m为现场照片中藻种的生物量,n为同色度像素数量。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,根据现场照片的面积在待测区域的面积中的占比及现场照片中藻种的生物量确定确定待测区域中藻种的总生物量的步骤,包括:按照以下公式计算藻种的平均生物量:
Figure BDA0001706711760000031
其中,
Figure BDA0001706711760000032
为L张现场照片中藻种的平均生物量,m照i为每一张现场照片中藻种的生物量,其中,i=1,2,…,L,L为现场照片的数量。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,根据现场照片的面积在待测区域的面积中的占比及现场照片中藻种的生物量确定待测区域中藻种的总生物量的步骤,包括:按照以下公式计算藻种的总生物量:
Figure BDA0001706711760000033
其中,M为待测区域中藻种的总生物量,
Figure BDA0001706711760000034
为L张现场照片中藻种的平均生物量,S为待测区域的面积,S为现场照片的面积。
第二方面,本发明实施例还提供一种藻类生物量检测装置,包括:采样模块,用于获取多个对待测区域采样的现场照片;像素化模块,用于对每个现场照片进行像素化处理,以生成单位像素面积、单位像素色度和同色度像素数量;分析模块,根据单位像素色度和色度标准值确定对应的藻种;计算模块,用于获取藻种对应的标准单位像素面积和标准单位像素生物量系数;色度标准值、标准单位像素面积和标准单位像素生物量系数由样本照片提取,样本照片与现场照片的拍摄条件相同;计算模块,还用于根据标准单位像素面积、单位像素面积和标准单位像素生物量系数生成藻种的单位像素面积生物量,并根据单位像素面积生物量和同色度像素数量确定现场照片中藻种的生物量;计算模块,还用于根据现场照片的面积在待测区域的面积中的占比及现场照片中藻种的生物量确定待测区域中藻种的总生物量。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,该装置还包括,标准值模块,用于:获取对待测区域藻种多次采样的样本照片;根据样本照片生成各个样本的色度、像素数量和标准单位像素面积,根据样本的色度生成藻种的色度标准值;统计各个样本的样本生物量,并根据样本生物量和像素数量计算各个样本的单位像素的生物量系数;根据单位像素的生物量系数生成藻种的标准单位像素生物量系数。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中,计算模块,还用于:根据藻种的总生物量和藻种的种类,生成待测区域的总生物量。
本发明实施例带来了以下有益效果:本发明实施例提供的一种藻类生物量检测方法及装置,通过对待测区域进行拍照取样后,对得到的现场照片进行像素化处理,得到单位像素面积、单位像素色度和同色度像素数量,根据得到的单位像素色度及预先准备好的色度标准值区分以确定要检测的藻种,获取该藻种的标准单位像素面积和标准单位像素生物量系数并结合单位像素面积生成单位像素面积生物量,从而结合同色度像素数量确定现场照片中该藻种的生物量,后结合现场照片的面积在待测区域的面积中的占比确定待测区域中该藻种的总生物量。本发明实施例可以在不破坏、不杀死藻体的情况下确定藻体种类并估算各藻类在待测区域内的总生物量。
本公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的藻类生物量检测方法流程图;
图2为本发明实施例提供的藻类生物量检测方法的拍摄采样示意图;
图3为本发明实施例提供的藻类生物量检测方法的现场照片;
图4为本发明实施例提供的藻类生物量检测方法经像素化处理后的现场照片;
图5为本发明实施例提供的藻类生物量检测装置结构框图;
图6为本发明实施例提供的藻类生物量检测装置的另一种结构框图。
图标:
1-待测区域;2-拍摄区域;3-待测藻类;4-刻度;5-现场照片;51-采样模块;52-像素化模块;53-分析模块;54-计算模块;55-标准值模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
颜色特征是藻类现场分析的重要根据,基于现场拍摄照片的图像像素化分析技术能够比较精确和快速的得到现场藻体大致类别,生物量,分布比例等数据,照片的颜色特征分析内容包括像素色彩均一度,像素数量,颜色深度等。图像像素化分析技术不会破坏藻体形态结构,可以在藻体生活史的不同阶段多次拍摄分析。对同一块藻体附着区域进行多角度拍摄,对照片进行像素化处理,根据单位面积像素数量,颜色比例等来基本确定藻体种类和比例。基于此,本发明实施例提供的一种藻类生物量检测方法及装置,可以根据单位面积像素数量,颜色比例等来基本确定藻体种类和比例,并通过特定公式来估算单位面积藻体生物量,也可进一步估算。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种藻类生物量检测方法进行详细介绍。
实施例1
本发明实施例1提供了一种藻类生物量检测方法,参见图1所示的藻类生物量检测方法流程图,该方法包括:
步骤S102,获取多个对待测区域采样的现场照片。
待测区域是待检测藻类生物量的区域,可以是潮间带、沿海滩涂、河口海湾等。参见图2所示的藻类生物量检测方法的拍摄采样示意图,使用同一规格的现场拍摄工具在待测区域1随机取样得到至少五个拍摄区域2,分别对拍摄区域进行拍摄得到待测藻类3的多个现场照片。
现场拍摄工具为高分辨率相机加密闭遮光罩,高分辨率相机镜头通过密闭遮光罩顶端的开口对密闭遮光罩包围的拍摄区域进行拍摄,密闭遮光罩的形状规格按照需求设置,密闭遮光罩内部设置有内置光源,内置光源模拟自然光且其光强可调,密闭遮光罩底端一侧设置有刻度标尺,以使拍摄出的照片带有刻度,参见图3所示的藻类生物量检测方法的现场照片5,包括刻度4。遮光罩覆盖的拍摄区域2的面积即为现场照片的面积。
步骤S104,对每个现场照片进行像素化处理,以生成单位像素面积、单位像素色度和同色度像素数量。
像素化处理是指将现场照片进行均匀分割,根据需求确定要分割的份数,并将分割后的每一份作为一个单位像素。单位像素面积是指将现场照片像素化处理后每个单位像素的面积。生成每一份分割后的现场照片的单位像素色度并统计同色度像素数量。参见图3所示的藻类生物量检测方法的现场照片和图4所示的经像素化处理后的现场照片,图中,待测藻类3经过像素化处理后,生成单位像素色度,从而可统计同色度像素数量。
步骤S106,根据单位像素色度和色度标准值确定对应的藻种。
色度标准值在确定好待测区域后预先测得。将现场照片的单位像素色度与预先测得的色度标准值进行对比分析,在误差范围内的单位像素色度对应的藻种被确定为色度标准值确定对应的藻种。
步骤S108,获取藻种对应的标准单位像素面积和标准单位像素生物量系数;色度标准值、标准单位像素面积和标准单位像素生物量系数由样本照片提取,样本照片与现场照片的拍摄条件相同。
色度标准值、标准单位像素面积和标准单位像素生物量系数是按照预定规则预先对待测区域多次取样测算出的标准值。在测算标准值时拍摄的样本照片与现场照片的拍摄条件相同,即需要相同分辨率的拍摄工具在相同的光照条件下进行拍摄取照。
步骤S110,根据标准单位像素面积、单位像素面积和标准单位像素生物量系数生成藻种的单位像素面积生物量,并根据单位像素面积生物量和同色度像素数量确定现场照片中藻种的生物量。
根据单位像素面积与标准单位像素面积的比例及标准单位像素生物量系数计算测算的藻种的单位像素面积生物量,将现场照片中该藻种的所有单位像素面积生物量统计到一起即为现场照片中该藻种的生物量,该步骤可结合同色度像素数量进行计算。
步骤S112,根据现场照片的面积在待测区域的面积中的占比及现场照片中藻种的生物量确定待测区域中藻种的总生物量。
待测区域的面积需要通过估算得到,参见图2所示的藻类生物量检测方法的拍摄采样示意图,估算出待测区域1的面积,测量拍摄区域2的的面积,拍摄区域的面积也可通过测量现场照片面积得到,计算二者的比例并结合测算的藻种的生物量确定待测区域中该藻种的总生物量。
本发明实施例提供的一种藻类生物量检测方法,通过对待测区域进行拍照取样后,对得到的现场照片进行像素化处理,得到单位像素面积、单位像素色度和同色度像素数量,根据得到的单位像素色度及预先准备好的色度标准值区分以确定要检测的藻种,获取该藻种的标准单位像素面积和标准单位像素生物量系数并结合单位像素面积生成单位像素面积生物量,从而结合同色度像素数量确定现场照片中该藻种的生物量,后结合现场照片的面积在待测区域的面积中的占比确定待测区域中该藻种的总生物量。本发明实施例可以在不破坏、不杀死藻体的情况下确定藻体种类并估算各藻类在待测区域内的总生物量。
对各种藻种分别进行标准值测算,用于结合样本照片的采样数据检测待测区域的藻类生物量。如果是地域跨度较大的不同待测区域,需要分别测算不同待测区域的藻类群体标准值,以避免不用的环境特征对藻体颜色的影响。标准值测算需要执行如下步骤:
(1)获取对待测区域藻种多次采样的样本照片。
对待测区域的多种藻种分别多次取样,样本量大于等于10,拍摄样本照片,拍摄样本照片的分辨率及光照条件与之后拍摄该待测区域的现场照片一致。
(2)根据样本照片生成各个样本的色度、像素数量和标准单位像素面积,根据样本的色度生成藻种的色度标准值。
色度可以用三种颜色值来共同表示,例如,对某藻种的某一样本照片生成的色度表示为:红:67.4,绿:183.7,蓝:47.1。计算各样本色度的几何平均值,即得到该藻种的色度平均值C0
Figure BDA0001706711760000081
其中,Xi表示样本的色度,N表示样本量。表1为通过室内试验分析,得到的几种常见大型藻类的色度标准值示例:
Figure BDA0001706711760000091
表1
标准单位像素面积:默认用实验室OLYMPUS E-330ADU1X光学显微镜拍摄500万像素(2560×1920)照片,其单个像素面积(实际面积)为标准单位像素面积S0
(3)统计各个样本的样本生物量,并根据样本生物量和像素数量计算各个样本的单位像素的生物量系数;根据单位像素的生物量系数生成藻种的标准单位像素生物量系数。
生物量是指样本的湿重。根据公式
Figure BDA0001706711760000092
计算各个样本的单位像素的生物量系数,其中M表示样本的湿重,l表示像素数量。统计所有样本的单位像素的生物量系数并计算几何平均值,即得到该藻种的标准单位像素生物量系数k0
Figure BDA0001706711760000093
其中N表示样本量。表2为通过室内试验分析,得到的几种常见大型藻类的标准单位像素生物量系数示例:
藻种名 拉丁名 种标准单位像素生物量系数(k<sub>0</sub>)ug/pt
浒苔 Ulva prolifera 2.7
条斑紫菜 Porphyra yezoensis 3.6
马尾藻 Scagassum 4.9
缘管浒苔 Ulva linza 2.3
表2
统计各个样品的叶绿素(叶绿素a,叶绿素b,总叶绿素)含量和酶含量,也可得到“标准单位像素叶绿素系数”和“标准单位像素酶系数”。用于估算待测区域的相关含量。
为了实现对待测区域整体生物量的估算,该方法还包括,根据藻种的总生物量和藻种的种类,生成待测区域的总生物量。
对待测区域多种藻种分别测算其在待测区域的总生物量,根据测得的多种主要藻种的总生物量可进一步估算出待测区域的总生物量,以便对待测区域进行进一步分析和研究。
经过对现场照片进行分析后获取到单位像素面积、单位像素色度和同色度像素数量等现场统计指标;结合提前测算出的各标准值对现场照片中的某一藻种的生物量进行计算,具体步骤包括:
根据标准单位像素面积、单位像素面积和标准单位像素生物量系数生成藻种的单位像素面积生物量的步骤,包括:按照以下公式计算藻种的单位像素面积生物量:m1=k0*S1/S0,其中,m1为藻种的单位像素面积生物量,S0为标准单位像素面积,S1为单位像素面积,k0为标准单位像素生物量系数。
根据单位像素面积生物量和同色度像素数量确定现场照片中藻种的生物量的步骤,包括:按照以下公式计算藻种的生物量:m=n*m1=n*k0*S1/S0,其中,m为现场照片中藻种的生物量,n为同色度像素数量。
参见图2所示的藻类生物量检测方法的拍摄采样示意图,在计算得到现场照片中的某一藻种的生物量后,结合待测区域的面积数据及现场照片的面积数据可以得到待测区域的总生物量数据,具体包括如下步骤:
根据现场照片的面积在待测区域的面积中的占比及现场照片中藻种的生物量确定待测区域中藻种的总生物量的步骤,包括:按照以下公式计算藻种的平均生物量:
Figure BDA0001706711760000101
其中,
Figure BDA0001706711760000102
为L张现场照片中藻种的平均生物量,m照i为每一张现场照片中藻种的生物量,其中,i=1,2,…,L,L为现场照片的数量。
根据现场照片的面积在待测区域的面积中的占比及现场照片中藻种的生物量确定待测区域中藻种的总生物量的步骤,包括:按照以下公式计算藻种的总生物量:
Figure BDA0001706711760000111
其中,M为待测区域中藻种的总生物量,
Figure BDA0001706711760000112
为L张现场照片中藻种的平均生物量,S为待测区域的面积,S为现场照片的面积。
本发明实施例在不破坏、不杀死藻体的情况下实现对待测区域藻类生物量的检测。使用图像像素化分析技术不会破坏藻体形态结构,可以在藻体生活史的不同阶段多次拍摄分析。对同一块藻体附着区域进行多角度拍摄,对照片进行像素化处理,根据单位面积像素数量,颜色比例等来基本确定藻体种类和比例,并通过特定公式来估算单位面积藻体生物量,结果可靠且判断简单,也可进一步估算整体待测区域的目标数据。
实施例2
本发明实施例2提供了一种藻类生物量检测装置,参见图5所示的藻类生物量检测装置结构框图,该装置包括:采样模块51,用于获取多个对待测区域采样的现场照片;像素化模块52,用于对每个现场照片进行像素化处理,以生成单位像素面积、单位像素色度和同色度像素数量;分析模块53,根据单位像素色度和色度标准值确定对应的藻种;计算模块54,用于获取藻种对应的标准单位像素面积和标准单位像素生物量系数;色度标准值、标准单位像素面积和标准单位像素生物量系数由样本照片提取,样本照片与现场照片的拍摄条件相同;计算模块54,还用于根据标准单位像素面积、单位像素面积和标准单位像素生物量系数生成藻种的单位像素面积生物量,并根据单位像素面积生物量和同色度像素数量确定现场照片中藻种的生物量;计算模块54,还用于根据现场照片的面积在待测区域的面积中的占比及现场照片中藻种的生物量确定确定待测区域中藻种的总生物量。
参见图6所示的藻类生物量检测装置的另一种结构框图,该装置还包括,标准值模块55,用于:获取对待测区域藻种多次采样的样本照片;根据样本照片生成各个样本的色度、像素数量和标准单位像素面积,根据样本的色度生成藻种的色度标准值;统计各个样本的样本生物量,并根据样本生物量和像素数量计算各个样本的单位像素的生物量系数;根据单位像素的生物量系数生成藻种的标准单位像素生物量系数。
该装置的计算模块54,还用于:根据藻种的总生物量和藻种的种类,生成待测区域的总生物量。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。

Claims (8)

1.一种藻类生物量检测方法,其特征在于,包括:
获取多个对待测区域采样的现场照片;
对每个所述现场照片进行像素化处理,以生成单位像素面积、单位像素色度和同色度像素数量;
根据所述单位像素色度和色度标准值确定对应的藻种;
获取所述藻种对应的标准单位像素面积和标准单位像素生物量系数;所述色度标准值、所述标准单位像素面积和所述标准单位像素生物量系数由样本照片提取,所述样本照片与所述现场照片的拍摄条件相同;
根据所述标准单位像素面积、所述单位像素面积和所述标准单位像素生物量系数生成所述藻种的单位像素面积生物量,并根据所述单位像素面积生物量和所述同色度像素数量确定所述现场照片中所述藻种的生物量;
根据所述现场照片的面积在所述待测区域的面积中的占比及所述现场照片中所述藻种的生物量确定所述待测区域中所述藻种的总生物量;
所述生物量是生物种群的总量,所述单位像素面积是拍照时根据预先设置的每个单位像素点的面积,所述标准单位像素面积是恒定的像素面积值,所述标准单位面积生物量系数是每一种藻类的固定属性;
所述方法还包括:
获取对待测区域所述藻种多次采样的样本照片;
根据所述样本照片生成各个样本的色度、像素数量和标准单位像素面积,根据所述样本的色度生成所述藻种的色度标准值;
统计各个所述样本的样本生物量,并根据所述样本生物量和所述像素数量计算各个所述样本的单位像素的生物量系数;根据所述单位像素的生物量系数生成所述藻种的标准单位像素生物量系数。
2.根据权利要求1所述的藻类生物量检测方法,其特征在于,所述方法还包括:
根据所述藻种的总生物量和所述藻种的种类,生成所述待测区域的总生物量。
3.根据权利要求1所述的藻类生物量检测方法,其特征在于,所述根据所述标准单位像素面积、所述单位像素面积和所述标准单位像素生物量系数生成所述藻种的单位像素面积生物量的步骤,包括:
按照以下公式计算所述藻种的单位像素面积生物量:
m1=k0*S1/S0
其中,m1为所述藻种的单位像素面积生物量,S0为所述标准单位像素面积,S1为所述单位像素面积,k0为所述标准单位像素生物量系数。
4.根据权利要求3所述的藻类生物量检测方法,其特征在于,所述根据所述单位像素面积生物量和所述同色度像素数量确定所述现场照片中所述藻种的生物量的步骤,包括:
按照以下公式计算所述藻种的生物量:
m=n*m1=n*k0*S1/S0
其中,m为所述现场照片中所述藻种的生物量,n为所述同色度像素数量。
5.根据权利要求1所述的藻类生物量检测方法,其特征在于,所述根据所述现场照片的面积在所述待测区域的面积中的占比及所述现场照片中所述藻种的生物量确定所述待测区域中所述藻种的总生物量的步骤,包括:
按照以下公式计算所述藻种的平均生物量:
Figure FDA0003003081040000031
其中,
Figure FDA0003003081040000033
为L张所述现场照片中所述藻种的平均生物量,m照i为每一张所述现场照片中所述藻种的生物量,其中,i=1,2,…,L,L为所述现场照片的数量。
6.根据权利要求1所述的藻类生物量检测方法,其特征在于,所述根据所述现场照片的面积在所述待测区域的面积中的占比及所述现场照片中所述藻种的生物量确定所述待测区域中所述藻种的总生物量的步骤,包括:
按照以下公式计算所述藻种的总生物量:
Figure FDA0003003081040000032
其中,M为所述待测区域中所述藻种的总生物量,
Figure FDA0003003081040000034
为L张所述现场照片中所述藻种的平均生物量,S为所述待测区域的面积,S为所述现场照片的面积。
7.一种藻类生物量检测装置,其特征在于,包括:
采样模块,用于获取多个对待测区域采样的现场照片;
像素化模块,用于对每个所述现场照片进行像素化处理,以生成单位像素面积、单位像素色度和同色度像素数量;
分析模块,根据所述单位像素色度和色度标准值确定对应的藻种;
计算模块,用于获取所述藻种对应的标准单位像素面积和标准单位像素生物量系数;所述色度标准值、所述标准单位像素面积和所述标准单位像素生物量系数由样本照片提取,所述样本照片与所述现场照片的拍摄条件相同;
计算模块,还用于根据所述标准单位像素面积、所述单位像素面积和所述标准单位像素生物量系数生成所述藻种的单位像素面积生物量,并根据所述单位像素面积生物量和所述同色度像素数量确定所述现场照片中所述藻种的生物量;
计算模块,还用于根据所述现场照片的面积在所述待测区域的面积中的占比及所述现场照片中所述藻种的生物量确定所述待测区域中所述藻种的总生物量;所述生物量是生物种群的总量,所述单位像素面积是拍照时根据预先设置的每个单位像素点的面积,所述标准单位像素面积是恒定的像素面积值,所述标准单位面积生物量系数是每一种藻类的固定属性;
还包括标准值模块,用于:
获取对待测区域所述藻种多次采样的样本照片;
根据所述样本照片生成各个样本的色度、像素数量和标准单位像素面积,根据所述样本的色度生成所述藻种的色度标准值;
统计各个所述样本的样本生物量,并根据所述样本生物量和所述像素数量计算各个所述样本的单位像素的生物量系数;根据所述单位像素的生物量系数生成所述藻种的标准单位像素生物量系数。
8.根据权利要求7所述的藻类生物量检测装置,其特征在于,所述计算模块,还用于:
根据所述藻种的总生物量和所述藻种的种类,生成所述待测区域的总生物量。
CN201810667294.1A 2018-06-25 2018-06-25 藻类生物量检测方法及装置 Active CN109030488B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810667294.1A CN109030488B (zh) 2018-06-25 2018-06-25 藻类生物量检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810667294.1A CN109030488B (zh) 2018-06-25 2018-06-25 藻类生物量检测方法及装置

Publications (2)

Publication Number Publication Date
CN109030488A CN109030488A (zh) 2018-12-18
CN109030488B true CN109030488B (zh) 2021-05-28

Family

ID=64610486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810667294.1A Active CN109030488B (zh) 2018-06-25 2018-06-25 藻类生物量检测方法及装置

Country Status (1)

Country Link
CN (1) CN109030488B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110823863A (zh) * 2019-10-31 2020-02-21 中国南方电网有限责任公司电网技术研究中心 一种绝缘材料表面的藻类检测方法、装置和设备
CN111539925B (zh) * 2020-04-20 2023-08-01 中国科学院物理研究所 一种基于像素分析的锂电池负极析锂定量测试方法
CN113591981B (zh) * 2021-07-30 2024-02-09 上海建工四建集团有限公司 基于人工智能的既有水磨石信息查勘方法及***

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655444B (zh) * 2009-08-21 2011-04-20 深圳市格维恩科技有限公司 视频图像藻类分类检测***
CN102288554A (zh) * 2011-07-29 2011-12-21 国家***第一海洋研究所 赤潮优势藻种色度学的实时识别方法
CN103150576A (zh) * 2013-03-19 2013-06-12 上海理工大学 蓝藻水华状态监测方法
CN103955937A (zh) * 2014-05-15 2014-07-30 福州大学 基于数字图像处理微藻自动计数方法
CN104794710A (zh) * 2015-04-13 2015-07-22 上海泽煜实验设备有限公司 一种图像处理方法及装置

Also Published As

Publication number Publication date
CN109030488A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
CN109030488B (zh) 藻类生物量检测方法及装置
Liu et al. Assessment of in situ crop LAI measurement using unidirectional view digital photography
Seidel et al. Review of ground-based methods to measure the distribution of biomass in forest canopies
US7936377B2 (en) Method and system for optimizing an image for improved analysis of material and illumination image features
Booth et al. The accuracy of ground-cover measurements
Chianucci et al. Estimation of leaf area index in understory deciduous trees using digital photography
CN108765433A (zh) 一种用于提高精度的多叶面积测量方法
CN106596073A (zh) 一种检测光学***像质的方法和***及一种测试标板
CN106468536A (zh) 一种叶面积测量方法
Córdoba-Matson et al. Evaluation of Isochrysis galbana (clone T-ISO) cell numbers by digital image analysis of color intensity
Jonckheere et al. Methods for leaf area index determination. Part I: Theories, techniques and instruments
CN109827957B (zh) 一种基于计算机视觉的水稻叶片spad值估测方法及***
US20190383730A1 (en) Multispectral image analysis system
CN105466921A (zh) 一种多样品同时检测的方法
CN102359962A (zh) 适用于图像分析法测定烟梗长梗率的设备
Aboukarima et al. Image analysis-based system for estimating cotton leaf area
CN110044485B (zh) 一种图像式织物颜色测量方法
Barré et al. Automated phenotyping of epicuticular waxes of grapevine berries using light separation and convolutional neural networks
US10360667B2 (en) Biological material fouling assessment systems and methods
Booth et al. Detection-threshold calibration and other factors influencing digital measurements of ground cover
Jarcuska Methodological overview to hemispherical photography, demonstrated on an example of the software GLA
KR102659470B1 (ko) 입자 정량 장치
Xu et al. Retrieval of canopy gap fraction from terrestrial laser scanning data based on the Monte Carlo method
KR20150055686A (ko) 광학 센싱을 이용한 플룸 혼탁도 측정 방법 및 플룸 혼탁도 측정 프로그램을 기록한 기록 매체
Das et al. Measuring leaf area index from colour digital image of wheat crop

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant