微藻綜合呂質信息快速無損獲取技術和方法研究.pdf

1、微藻在能源、食品工業(yè)、生物技術、醫(yī)藥工業(yè)、動物飼料、環(huán)境檢測、污染治理等領域擁有廣闊的開發(fā)應用前景。微藻具有生長繁殖快、光合作用效率高、倍增時間短、單位面積產量高等優(yōu)點。隨著能源、糧食、環(huán)境問題的日益突出,微藻生物質產業(yè)的發(fā)展已經得到了世界各國的廣泛重視。目前微藻生物質產業(yè)中遇到的關鍵問題之一是如何提高微藻生產效率、增加產品經濟價值并降低生產成本。為此本文提出“數字微藻”的概念。數字微藻的實現,即通過高科技手段,在微藻育種、養(yǎng)殖、收獲和

2、產品加工銷售等環(huán)節(jié)快速、準確地獲取微藻相關品質信息,用于品質監(jiān)控,進行系統(tǒng)優(yōu)化,最終實現微藻數字化科學生產與管理,從而提高微藻生產效率、保證質量、降低成本,增加經濟收益,其中微藻品質信息的快速準確獲取是實現微藻數字化科學生產與管理的基礎和關鍵。數字微藻必將成為世界微藻生物質產業(yè)發(fā)展的研究重點和熱點。而傳統(tǒng)微藻信息獲取方法耗時費力,不適合微藻生物質產業(yè)現代化生產的發(fā)展需要。
　　 本論文應用顯微成像、光譜分析、高光譜成像、核磁共振

3、等技術,結合多種圖像處理技術和化學計量學算法,針對微藻育種、養(yǎng)殖、收獲和產品加工銷售等環(huán)節(jié)對相關品質信息的需要,研究了微藻形態(tài)、生命和品質信息的快速獲取理論和方法,為微藻生物質產業(yè)高效生產和系統(tǒng)優(yōu)化奠定了基礎。本論文的主要研究內容和成果如下:
　　 (1)提出了微藻藻絲形態(tài)特征快速提取方法。通過對藻絲顯微圖像進行預處理,獲得垂直朝向的單一藻絲二值化圖像,以便藻絲形態(tài)特征參數提取;采用離散曲線演化技術(DCE)技術獲取藻絲特征頂點

4、;提出了一個新的算法用于去除骨架枝權,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容易引入枝權的不足;實現了包括螺旋度、藻絲寬度、螺徑、螺距、螺環(huán)數和緊密度等藻絲形態(tài)特征參數的快速獲取。螺旋程度測量的平均誤差為4.7％,藻絲寬度測量的的平均誤差為6.2％,螺徑測量的的平均誤差為5.6％;開發(fā)了螺旋藻形態(tài)特征快速提取軟件。該軟件與人工測量方法比檢測時間從5分鐘減少到30秒,檢測精度從93％提高到99％。
　　

5、 (2)首次應用光譜和高光譜成像技術,建立了光譜和高光譜圖像信息與微藻生命信息的定量關系模型,實現了微藻主要生命信息的快速獲取。光譜檢測中,透射光譜測量法和透反射光譜測量法的檢測能力要優(yōu)于反射光譜測量法和反應器外部光譜測量法;基于光譜技術的干物質重、油脂單位體積含量和油脂單位質量含量最優(yōu)模型的γ2pre分別達到0.9836,0.9777和0.9487;光譜特征變量模型平均變量個數為9.41個。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個光譜模型中有8個模型的的UVE-SPA特征變量選擇結果要優(yōu)于直接進行SPA計算。說明UVE可以有效提高SPA對光譜特征變量提取的效率;基于高光譜成像技術的干物質重、葉綠素單位體積含量、葉綠素單位質量含量、葉綠素a單位體積含量、葉綠素a單位質量含量、葉綠素b單位體積含量、葉綠素b單位質量含量最優(yōu)模型的γ2pre分別達到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數減少到了7.43個(99.7％的變量被去除),而γ2pre平均值則達到0.9550(全波段模型為0.9573);7個高光譜光譜圖像模型中有5個的特征變量最優(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指標的藻液分布圖。結果表明高光譜成像技術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)含量檢測結果。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)檢測模型對藻油DHA含量檢測的γ2val分別為0.9190、0.9232和0.8748,對EPA含量檢測的γ2val最大值分別為0.9213、0.8757和0.8857,但均未能達到核

9、磁共振技術的檢測精度;基于可見光激光源的拉曼光譜技術不能準確測量藻油DHA和EPA含量。其模型RMSECV分別高達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含量檢測精度,模型RMSECV平均值能夠降低18.70％和29.03％;10個藻油品質指標檢測模型中有9個的最佳特征變量選擇算法為UVE結合SPA,說明UVE可以有效提高SPA在藻油品質指標檢測過程中

10、特征變量提取的效率。
　　 (4)研究建立了藻粉品質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方法?；?個特征波長的SPA-LS-SVM模型分類正確率達到100％。研究了藻粉蛋白質含量的可見-近紅外光譜快速檢測方法。UVE-SPA-MLR為最佳檢測模型,其中γ2pre、RMSEP和RPD分別為0.9750、0.2344和6.2206,檢測精度能夠滿足實際要求;研究了藻粉輻照劑量的光譜快速檢測方法。UVE-

11、SPA-BP-ANN模型為最優(yōu)的藻粉輻照劑量檢測模型,其中γ2pre、RMSEP和RPD分別為0.9850、0.64.14和8.1366,檢測精度能夠滿足實際要求;研究了藻粉摻假信息的光譜快速檢測方法。DVA分析結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模型的γ2pre分別為0.