微藻綜合呂質(zhì)信息快速無損獲取技術(shù)和方法研究.pdf

1、微藻在能源、食品工業(yè)、生物技術(shù)、醫(yī)藥工業(yè)、動(dòng)物飼料、環(huán)境檢測(cè)、污染治理等領(lǐng)域擁有廣闊的開發(fā)應(yīng)用前景。微藻具有生長繁殖快、光合作用效率高、倍增時(shí)間短、單位面積產(chǎn)量高等優(yōu)點(diǎn)。隨著能源、糧食、環(huán)境問題的日益突出,微藻生物質(zhì)產(chǎn)業(yè)的發(fā)展已經(jīng)得到了世界各國的廣泛重視。目前微藻生物質(zhì)產(chǎn)業(yè)中遇到的關(guān)鍵問題之一是如何提高微藻生產(chǎn)效率、增加產(chǎn)品經(jīng)濟(jì)價(jià)值并降低生產(chǎn)成本。為此本文提出“數(shù)字微藻”的概念。數(shù)字微藻的實(shí)現(xiàn),即通過高科技手段,在微藻育種、養(yǎng)殖、收獲和

2、產(chǎn)品加工銷售等環(huán)節(jié)快速、準(zhǔn)確地獲取微藻相關(guān)品質(zhì)信息,用于品質(zhì)監(jiān)控,進(jìn)行系統(tǒng)優(yōu)化,最終實(shí)現(xiàn)微藻數(shù)字化科學(xué)生產(chǎn)與管理,從而提高微藻生產(chǎn)效率、保證質(zhì)量、降低成本,增加經(jīng)濟(jì)收益,其中微藻品質(zhì)信息的快速準(zhǔn)確獲取是實(shí)現(xiàn)微藻數(shù)字化科學(xué)生產(chǎn)與管理的基礎(chǔ)和關(guān)鍵。數(shù)字微藻必將成為世界微藻生物質(zhì)產(chǎn)業(yè)發(fā)展的研究重點(diǎn)和熱點(diǎn)。而傳統(tǒng)微藻信息獲取方法耗時(shí)費(fèi)力,不適合微藻生物質(zhì)產(chǎn)業(yè)現(xiàn)代化生產(chǎn)的發(fā)展需要。
　　 本論文應(yīng)用顯微成像、光譜分析、高光譜成像、核磁共振

3、等技術(shù),結(jié)合多種圖像處理技術(shù)和化學(xué)計(jì)量學(xué)算法,針對(duì)微藻育種、養(yǎng)殖、收獲和產(chǎn)品加工銷售等環(huán)節(jié)對(duì)相關(guān)品質(zhì)信息的需要,研究了微藻形態(tài)、生命和品質(zhì)信息的快速獲取理論和方法,為微藻生物質(zhì)產(chǎn)業(yè)高效生產(chǎn)和系統(tǒng)優(yōu)化奠定了基礎(chǔ)。本論文的主要研究內(nèi)容和成果如下:
　　 (1)提出了微藻藻絲形態(tài)特征快速提取方法。通過對(duì)藻絲顯微圖像進(jìn)行預(yù)處理,獲得垂直朝向的單一藻絲二值化圖像,以便藻絲形態(tài)特征參數(shù)提取;采用離散曲線演化技術(shù)(DCE)技術(shù)獲取藻絲特征頂點(diǎn)

4、;提出了一個(gè)新的算法用于去除骨架枝權(quán),并獲取了藻絲長度信息。該算法能夠解決傳統(tǒng)骨架提取算法在提取藻絲骨架時(shí)容易引入枝權(quán)的不足;實(shí)現(xiàn)了包括螺旋度、藻絲寬度、螺徑、螺距、螺環(huán)數(shù)和緊密度等藻絲形態(tài)特征參數(shù)的快速獲取。螺旋程度測(cè)量的平均誤差為4.7％,藻絲寬度測(cè)量的的平均誤差為6.2％,螺徑測(cè)量的的平均誤差為5.6％;開發(fā)了螺旋藻形態(tài)特征快速提取軟件。該軟件與人工測(cè)量方法比檢測(cè)時(shí)間從5分鐘減少到30秒,檢測(cè)精度從93％提高到99％。
　　

5、 (2)首次應(yīng)用光譜和高光譜成像技術(shù),建立了光譜和高光譜圖像信息與微藻生命信息的定量關(guān)系模型,實(shí)現(xiàn)了微藻主要生命信息的快速獲取。光譜檢測(cè)中,透射光譜測(cè)量法和透反射光譜測(cè)量法的檢測(cè)能力要優(yōu)于反射光譜測(cè)量法和反應(yīng)器外部光譜測(cè)量法;基于光譜技術(shù)的干物質(zhì)重、油脂單位體積含量和油脂單位質(zhì)量含量最優(yōu)模型的γ2pre分別達(dá)到0.9836,0.9777和0.9487;光譜特征變量模型平均變量個(gè)數(shù)為9.41個(gè)。和全波段模型相比有99.62％的變量被去除

6、,而模型γ2pre平均值僅下降4.19％;12個(gè)光譜模型中有8個(gè)模型的的UVE-SPA特征變量選擇結(jié)果要優(yōu)于直接進(jìn)行SPA計(jì)算。說明UVE可以有效提高SPA對(duì)光譜特征變量提取的效率;基于高光譜成像技術(shù)的干物質(zhì)重、葉綠素單位體積含量、葉綠素單位質(zhì)量含量、葉綠素a單位體積含量、葉綠素a單位質(zhì)量含量、葉綠素b單位體積含量、葉綠素b單位質(zhì)量含量最優(yōu)模型的γ2pre分別達(dá)到0.9891、0.9882、0.9242、0.9895、0.9444、O.

7、9780和0.9282;高光譜圖像特征變量模型平均變量個(gè)數(shù)減少到了7.43個(gè)(99.7％的變量被去除),而γ2pre平均值則達(dá)到0.9550(全波段模型為0.9573);7個(gè)高光譜光譜圖像模型中有5個(gè)的特征變量最優(yōu)提取算法為UVE-SPA。說明UVE可以有效提高SPA對(duì)高光譜光譜圖像信息特征變量提取的效率;基于高光譜圖像,獲得了微藻生命信息檢測(cè)指標(biāo)的藻液分布圖。結(jié)果表明高光譜成像技術(shù)在微藻生命信息獲取能力上要明顯優(yōu)于RGB圖像。

8、　　 (3)研究構(gòu)建了藻油ω-3多不飽和脂肪酸含量快速獲取方法和系統(tǒng)。核磁共振技術(shù)獲得了最優(yōu)的藻油ω-3多不飽和脂肪酸(DHA和EPA)含量檢測(cè)結(jié)果。模型γ2val,分別為0.9625和0.9674;可見-短波近紅外光譜、長波近紅外光譜和和中紅外光譜最優(yōu)檢測(cè)模型對(duì)藻油DHA含量檢測(cè)的γ2val分別為0.9190、0.9232和0.8748,對(duì)EPA含量檢測(cè)的γ2val最大值分別為0.9213、0.8757和0.8857,但均未能達(dá)到核

9、磁共振技術(shù)的檢測(cè)精度;基于可見光激光源的拉曼光譜技術(shù)不能準(zhǔn)確測(cè)量藻油DHA和EPA含量。其模型RMSECV分別高達(dá)21.2707和1.8529,是核磁共振譜模型.RMSECV值的1.67和2.68倍;特征變量選擇能有效提高藻油DHA和EPA含量檢測(cè)精度,模型RMSECV平均值能夠降低18.70％和29.03％;10個(gè)藻油品質(zhì)指標(biāo)檢測(cè)模型中有9個(gè)的最佳特征變量選擇算法為UVE結(jié)合SPA,說明UVE可以有效提高SPA在藻油品質(zhì)指標(biāo)檢測(cè)過程中

10、特征變量提取的效率。
　　 (4)研究建立了藻粉品質(zhì)信息快速獲取方法與模型。研究了藻粉類別的可見.近紅外光譜快速檢測(cè)方法?；?個(gè)特征波長的SPA-LS-SVM模型分類正確率達(dá)到100％。研究了藻粉蛋白質(zhì)含量的可見-近紅外光譜快速檢測(cè)方法。UVE-SPA-MLR為最佳檢測(cè)模型,其中γ2pre、RMSEP和RPD分別為0.9750、0.2344和6.2206,檢測(cè)精度能夠滿足實(shí)際要求;研究了藻粉輻照劑量的光譜快速檢測(cè)方法。UVE-

11、SPA-BP-ANN模型為最優(yōu)的藻粉輻照劑量檢測(cè)模型,其中γ2pre、RMSEP和RPD分別為0.9850、0.64.14和8.1366,檢測(cè)精度能夠滿足實(shí)際要求;研究了藻粉摻假信息的光譜快速檢測(cè)方法。DVA分析結(jié)果表明短波近紅外光譜比全波段光譜更適合被用于藻粉摻假信息的快速獲取,而LS-SVM算法要優(yōu)于PLS和PLS2算法。對(duì)于單一摻假物、兩組摻假物和多組摻假物情況下面粉和綠豆粉LS-SVM短波近紅外光譜檢測(cè)模型的γ2pre分別為0.