基于卷积神经网络算法的微藻识别及生物量预测

摘要：

微藻培养的生物量产率直接决定了其能源利用效率.传统的生物量测定需要依靠离线人工检测分析手段,不可避免地产生巨大的人力浪费和时间成本.基于ResNet、MobileNet以及EfficientNet三种深度卷积神经网络模型,将图像分析与微藻培养相结合,提出了一种能够识别藻种类别,同时直接通过图像信息拟合微藻图像-浓度的非线性映射关系并精确预测微藻生物量的检测方法.研究表明,三种模型对三种实验藻种(小球藻、红藻以及螺旋藻)的分类识别准确率均超过99％.其中,红藻得益于其颜色特征,具有最佳的预测表现.而ResNet对藻生物量预测性能最优,三种藻生物量在该模型下的预测决定系数R2 分别为 0.766 4、0.962 8和 0.921 5.该方法基本满足了微藻培养过程中藻生物量的监测需求,为微藻能源化的工业过程监测提供了一种具有潜力的技术方案.

关键词：微藻、生物量预测、卷积神经网络、图像识别、在线监测

所属期刊栏目：12

分类号：TK6(生物能及其利用)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2024-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：417-424