静态光散射法水体悬浮颗粒物粒度测量背景干扰消除方法

静态光散射法能够实现水体悬浮颗粒物粒度分布的快速检测,但测量精度易受背景干扰。传统的样品散射光减背景光方法无法有效消除背景干扰。提出了基于散射光基线的背景干扰消除方法,在样品散射光减去背景干扰的基础上,拟合出散射光强分布基线,进一步消除背景的干扰。120μm及9.86μm标准粒径样品的测量结果表明,相较于传统方法,120μm样品的D10、D50以及D90的测量相对误差分别由56.9%、17.2%、8.1%下降到0.4%、0.8%、2.8%;9.86μm样品的D10、D50以及D90的测量相对误差分别由17.2%、10.0%、0.1%变到11.6%、3.4%、0.1%。表明基线法能够大幅提升背景干扰的去除效果,提高颗粒物粒度测量的准确性。     

基于改进YOLOv3的浮游藻类检测算法

浮游藻类的种类多样性和群落结构是水生态环境建设评价的重要指标,利用细胞图像对其进行识别是实现浮游藻类检测的重要手段。相较于传统的显微镜检法,基于深度学习的目标检测算法因更高效的检测能力而越来越多地被运用到浮游藻类检测领域。针对YOLOv3目标检测算法对部分形态小、边界模糊和粘连浮游藻类的检测精度低等问题,采用空间金字塔池化（SPP）结构改进了YOLOv3目标检测算法的特征提取方式,采用广义交并比（GIoU）边界损失函数改进了YOLOv3目标检测算法的边界损失函数,最终构建了一种基于SPP和GIoU改进的YOLOv3浮游藻类检测算法（SPP-GIoU-YOLOv3）。实验结果表明：在检测速度无明显差异的情况下,所提SPP-GIoU-YOLOv3分类检测算法对实验藻类的平均精度均值达95.21%,比YOLOv3目标检测算法提高了4.24个百分点。本研究为发展准确快速的浮游藻类检测方法技术提供了一定的基础。