微藻作为一类重要的生物资源，不仅在水质净化、生物能源生产、食品和药品开发等方面具有广泛应用前景，还在环境监测、生态修复等领域发挥着重要作用。近年来，高光谱成像技术作为一种先进的非接触式监测手段，逐渐在微藻培养与监测中展现出其优势和潜力。
Fluortron多功能高光谱成像系统整合技术资源，以其高光谱分辨率和图像处理能力，在微藻的生理状态、生物量、种类识别等方面展现出强大的应用潜力。通过捕捉微藻在不同光谱波段的反射或荧光特性，可以实现对微藻生长状态的高精度监测和快速分析。相较于传统方法，Fluortron多功能高光谱成像技术具有多功能、非接触、无损伤、实时性强、信息量丰富等显著优势，为微藻培养与监测提供了一种全新的解决方案。
案例一：使用高光谱成像仪对微藻培养进行非侵入性监测
微藻作为生物燃料、食品添加剂及药物原料的重要来源，其高效培养与精确监测对于提高产量与质量至关重要。然而，传统的监测方法往往存在耗时、破坏样本等局限。本研究采用高光谱成像仪，结合线性回归模型与一维卷积神经网络（1D CNN），对实验室条件下的微藻培养进行了非侵入性监测。通过捕获微藻在不同生长阶段的光谱图像，实现了对生物量浓度的准确预测与物种分类。
实验室研究研究表明，高光谱成像技术能够在不破坏样本的情况下，快速获取大量光谱数据。线性回归模型与1D CNN均表现出良好的预测性能，其中1D CNN不仅预测了生物量浓度，还可以实现对三种绿色微藻的高精度分类。工业规模的初步测试也表明，该技术同样适用于实际生产中的微藻培养监测。
案例二：水华蓝藻的精准区分
水华蓝藻的爆发不仅影响水质，还可能产生有毒物质，对人类健康及水生生态系统构成威胁。因此，实现对水华蓝藻的精准区分与有毒物种的快速识别具有重要意义。本研究利用实验室条件下的高光谱图像，结合机器学习算法，对形成水华的蓝藻进行了分类与识别。
实验研究表明，高光谱图像能够捕捉到蓝藻光谱特性的细微差异，为机器学习模型提供了丰富的特征信息。利用机器学习算法在水华蓝藻的分类与毒性识别中展现出准确性，为水华预警与治理提供了科学依据。
未来与展望
多功能高光谱成像技术与机器学习的结合，为微藻培养与水华蓝藻监测带来了革命性的变化。这一技术不仅能够实现非侵入性、高精度的生物量监测与物种分类，还能有效识别有毒蓝藻物种，为环境保护与生物技术的发展提供了强有力的支持。未来，随着技术的不断成熟与应用场景的拓展，都功能高光谱成像技术将在更多领域展现出其巨大的潜力和价值。
更多藻类培养与监测系统
易科泰公司长期致力于农业-生态-健康领域，整合技术资源，为藻类生物质能源及高通量表型研究领域提供全面解决方案，包括藻类培养、藻类叶绿素荧光与光合作用测量、藻类叶绿素荧光成像分析、藻类培养与在线监测及高通量藻类表型分析等。
参考文献：
[1] Fournier, Claudia, et al. "Discriminating bloom-forming cyanobacteria using lab-based hyperspectral imagery and machine learning: Validation with toxic species under environmental ranges." Science of the Total Environment 932 (2024): 172741.
[2] Pääkkönen, Salli, et al. "Non-invasive monitoring of microalgae cultivations using hyperspectral imager." Journal of Applied Phycology (2024): 1-13.
