孙乾泰1,2,王新伟1,2,3,雷平顺1,孙亮1,刘胜4,陈嘉男1,张钰润1,周燕1,2,3,刘育梁1,2
2. 中国科学院大学材料与光电研究中心,北京 100049;
3. 中国科学院大学电子电气与通信工程学院,北京 100049;
4. 中国科学院南海海洋研究所, 热带海洋环境与岛礁生态全国重点实验室, 广东省应用海洋生物学重点实验室, 广东 广州 510301
SUN Qiantai1,2, WANG Xinwei1,2,3,LEI Pingshun1, SUN Liang1, LIU Sheng4, CHEN Jianan1, ZHANG Yurun1, ZHOU Yan1,2,3, LIU Yuliang1,2
2. Center of Materials Science and Optoelectronics Engineering, University of Chinese Academy of Sciences, Beijing 100049, China;
3. School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing 100049, China;
4. State Key Laboratory of Tropical Oceanography, Guangdong Provincial Key Laboratory of Applied Marine Biology, South China Sea Institute of Oceanology, Chinese Academy of Sciences, Guangzhou 510301, China;
摘要: 针对珊瑚礁生态系统中珊瑚组织、共生虫黄藻及浮游生物等微尺度目标原位观测能力不足的问题,本文提出并研制了珊瑚礁双模态暗场显微原位观测系统“金睛”,并引入人工智能AI技术建立了量化分析流程,以满足珊瑚礁底栖界面及上覆水体中20μm至1mm尺寸范围内的水下目标观测需求。该系统采用了片光与环光双模态差异化照明以适配不同观测场景:金睛-Coral采用正交片状照明,用于珊瑚底栖界面的抵近显微观测;金睛-Plankton采用侧向环形照明,用于上覆水体垂直剖面中浮游生物及悬浮颗粒的显微观测。在实验中,金睛在光衰减系数不大于25.63 m⁻¹的浑浊条件下均能保持较好的目标可见性,即使在光衰减系数高达29.88 m⁻¹的高浑浊海水环境中仍具备有效成像能力。在AI量化分析中,通过图像增强、YOLOv8目标检测与计数以及粒径统计等环节,实现生物丰度估计和粒径分布等定量分析。实验结果表明,AI量化分析流程能够稳定实现目标检测、丰度估计与粒径统计,在较高浓度藻类样品中丰度估计相对误差优于6%。本文研制的系统已用于西沙珊瑚礁生态系统调查,相关研究可为珊瑚礁生态监测及相关生态过程研究提供技术支撑。