【技术特点】-- 迅数S300藻类智能鉴定计数仪

创新点：

   新AlgacountS300是迅数2014最新推出的高端藻类智能鉴定计数仪，专为大中型企业、科研和监测机构而设计。专家校验的藻类数据库进行了大幅扩容，并对淡水藻和海洋藻加以区分。新增两项“迅数”核心技术：生物相似性高精度智能搜索、混沌智能分类计数，实现快速的藻类辅助鉴定和不同藻类的自动分割计数。 新版S300还具备：景深拓展和拼接；生物量分析；链状体、胶被群体内子细胞自动计数；单细胞微藻自动计数；色素体定位定量等多种藻类分析功能。

Algacount S300是迅数的高端藻类智能鉴定计数仪，专为大中型企业、科研和监测机构而设计。专家校验的藻类数据库进行了大幅扩容，并对淡水藻和海洋藻加以区分。新增两项“迅数”核心技术：生物相似性高精度智能搜索、混沌智能辅助分类识别，实现快速的藻类辅助鉴定和不同藻类的自动分割计数。
    新版的Algacount S300还具备：景深拓展和拼接、生物量分析、直链藻和多囊藻内部子细胞自动计数、单细胞微藻自动计数、藻类色素体的定位定量等多种藻类分析功能。
    高配版的S300更配置了MIC显微分析软件，满足科研用户的精细观察和分析需求。

精细、直观的藻类数据库、多模式查询

    显微镜下的藻类复杂多样：同一藻类的观察图像会不同，如针杆藻，可以单细胞存在，也可以每个细胞的一端相连成放射状群体，从壳面看针形，而从带面看是长方形…… 不同门类的藻类鉴别要点完全不同，甲藻观察的重点是纵沟、横沟、板片，硅藻观察的重点是壳面的花纹……

     S300藻类智能鉴定计数仪参考了《中国淡水藻类》、《中国海藻志》和水生生物学主流教材以及大量的权威藻类学文献，听取了藻类生物学家和藻类环境监测专家的建议，依据中国藻类系统分类学的主流学派，对原数据库藻种的类别和描述进行校验补充，增添了大量精美的图片，用户还可用多种方式进行藻种搜索和查询，如生物相似性高精度智能搜索、形态学搜索、分类学查询和常见藻查询等。

生物相似性高精度智能搜索
    生物相似性高精度智能搜索是迅数新一代藻类智能鉴定的核心技术，通过“形态相似性”与“生物相似性”的有效结合，准确提取并融合藻种的生物特征，极大地提高了藻类搜索精度，使得快速藻类鉴定成为可能。
    （1）   原理
      l   颜色特征提取：采用颜色直方图的颜色特征提取方法，实现对藻细胞的颜色特征提
                            取。
      l   纹理特征提取：基于Gabor滤波器的旋转不变性特征提取，实现对藻细胞的纹理
                            特征提取。
      l   智能搜索：将两种特征融合为特征向量，使用支持向量机的分类器进行训练，实现
                        对藻细胞图像的分类鉴别搜索。

（2）   实例： 

混合藻辅助分类识别
    混沌智能辅助分类计数是迅数在藻类识别研究方面的重大技术突破，利用藻细胞在颜色、尺寸、形状等方面的差别，初步实现了形态、色泽差异大的多类藻细胞辅助分类计数。
    （1）原理：

      l   混沌遗传算法：利用混沌运动所具有的随机性遍历性和初值敏感性，将混沌状态引
                             入到优化变量中，把混沌运动的遍历范围扩大到优化变量的取值
                             范围，从而实现对水体中所有藻类的图像分割。
      l   模糊C均值聚类算法：确定每个藻种样本数据隶属于某个聚类的程度，把隶属程度
                                   相似的藻归为一个聚类。

（2）  实例：

单细胞微藻自动计数
    为解决新能源、新食品原料微藻的研究和生产工艺控制，“迅数”开发了“卵形细胞辅助计数”和“复杂细胞辅助计数”两种图像分割算法，可以快速实现微藻细胞浓度测定。

多细胞分析（胶被群体、链状体）
    针对用户渴望准确分析微囊藻、直链藻子细胞数量，“迅数”研究了专门的算法，为类似的胶被群体和链状体藻类，提供了方便、快速的分析工具。

显微测量、生物量分析、色素体研究
    为满足用户对藻类微观形态的研究，“迅数”提供了专门的显微分析工具。透明数字标尺可在不同物镜倍率下实现显微测量；生物量分析工具则根据测量数据和几十种藻类数学模型，快速计算当前藻种的生物量；“色素特征快选”工具，可以依据藻色素特征，对色素体自动定量、定位。

仪器主要功能与技术指标

一、显微数字成像
  1）科研级彩色CCD相机，大视场显微图像动态观察、静态捕获
  2）手动、自动双模式控制拍摄
  3）多维景深融合：扩展高倍物镜景深，显现不同液层细胞
  4）超视野拼接：适合丝状、链状藻类的观察分析

二、藻类智能鉴定
1.  藻类专家数据库
  1）主数据库：藻类形态文字介绍、手绘图、彩色显微照片
  2）用户数据库：允许用户完善、补充藻类图库和文字。
2.  智能查询
  1）名称查询：根据中文名、拉丁名查询
  2）分类学查询：根据藻细胞所在门、属、种，进行查询
  3）关键词查询：根据藻细胞的文字描述中的特征词进行查询
  4）常见藻查询：可分别查询水华、赤潮、有毒藻、海洋藻、淡水藻
3.  生物相似性高精度智能搜索
  1）生物特征信息包含：藻细胞的颜色、形态、纹理特征
  2）智能搜索：将特征信息融合为藻细胞图像的特征向量，使用支持向量机的分类器进行训练，实现对藻细胞图像的分类鉴别搜索。
4.  形态学搜索
  1）一级形态：单细胞、多细胞群体、不分枝丝状体、分枝丝状体、膜状体、管状体、链状体、网状体
  2）二级形态：细胞形态、细胞结构、群体形态、母细胞壁、子细胞排列与数量、藻丝结构与分枝等

三、藻类计数与分析
1.   混合藻流程式计数
  1）浮游藻分类标记：采用不同颜色、不同大小的色圈标记各种微藻
  2）浮游藻分类计数：对各视野画面的藻类，按类点击、自动累积计数
  3）胶被群体分析：对胶被包围的多细胞群体，自动解析换算子细胞数
  4）链状体分析：对链状多细胞群体，自动解析换算，估算出链状细胞数
  5）藻类总数统计：对样本各种藻类的总数进行自动累计
  6）优势种自动排序、按门排序、优势群落组成百分比分析
  7）藻密度自动换算，自动计算生物量
2.   混合藻辅助分类识别
  1）混沌智能辅助分类计数：基于混沌原理，对混合藻实现模糊判断和分类计数
3.   单细胞微藻自动计数
  1）卵形细胞辅助计数：对轮廓清晰的单细胞微藻，动态调节、分割计数
  2）复杂细胞辅助计数：对背景清晰、形态复杂的单细胞微藻分割计数
4.   色素体分析、藻类测量、生物量分析
  1）色素体定量：依据藻色素特征，对色素体自动定量、定位
  2）标尺测量：具有透明、不透明2种标尺，可用鼠标拖动标尺，对藻细胞快速测量
  3）任意测量：鼠标点击划线测量藻细胞
  4）生物量分析：依据藻类形态数学模型，测量、计算生物量
5.   图像处理（仅限高配版）
  1）自适应增强：分辨增强处理，突显藻细胞显微特征
  2）图像调整：图像亮度、对比度、饱和度、RGB三色任意调节，灰度图、负相图的转换
  3）图像补偿：通过线性补偿，对数补偿，贝尔补偿等多种数学方法对图像的失真部分进行补偿，使图像更加清晰
  4）图像锐化：通过增强图像的高频分量，使藻类边缘变得更清晰
  5）图像平整：通过图像平整处理，使图像背景均匀
  6）图像滤波：高斯滤波、低通滤波、中值滤波等6种滤波方式有效提高图像清晰度
  7）边缘检测：两种检测方式、三种算子结合多种检测选项更精确地提取藻类轮廓
  8）形态学处理：腐蚀、膨胀、开启、闭合等非线性数学形态学处理

四、数据管理、报表打印
  1）标注：可在已拍摄的藻细胞图片上，进行任意的文字、尺寸标注
  2）数据库：自动保存每批显微照片、统计标识和统计数据
  3）报告编辑、打印：提供报告编写模板、文本输入、打印预览
  4）数据导出：藻类统计数据、图片导出到EXCEL

五、配置说明
1.   S300标准配置
  1）科学级彩色CCD（2580×1944）
  2）Algacount藻类智能鉴定计数软件
  3）品牌商务液晶电脑
2.   S300高配版
  1）科学级彩色CCD（2580×1944）
  2）Algacount藻类智能鉴定计数软件、MIC显微图像分析软件
  3）品牌商务液晶电脑
3.   用户自配
  1）显微镜（建议选用奥林巴斯、尼康、莱卡、蔡司中高端型号）
  2）显微摄像接口(建议选用各品牌原装0.63倍缩小镜C-mount 摄影接口)

【技术特点对用户带来的好处】-- 迅数S300藻类智能鉴定计数仪

【典型应用举例】-- 迅数S300藻类智能鉴定计数仪

【产品所获奖项】-- 迅数S300藻类智能鉴定计数仪

用户单位

采购时间

采购数量

唐山自来水厂

2016/01/26

1

沧州市供水排水集团有限公司

2016/01/18

1

四川省出入境检验检疫局

2015/11/20

1

晋城环境保护监测站

2015/11/07

1

九寨沟景区管理局

2015/11/04

1

广州南海水产研究所

2015/10/27

1

南开大学

2015/10/19

1

上饶环境监测站

2015/09/15

1

无锡淡水研究院

2015/06/09

1

恩施市水文水资源勘测局

2015/04/28

1

贵州省两湖一库环境监测站

2014/12/08

1

长春市环境监测中心站

2014/06/25

1

吉林省水产科学研究院

2014/06/11

1

中国科学院水生生物研究所

2014/04/11

1

湖北工业大学

2014/01/23

1

阳江核电有限公司

2012/12/12

1

中国科学院沈阳应用生态研究所

2012/07/03

1

中国水产科学研究院渔业机械仪器研究所

2012/06/25

1

中国科学院地球化学研究所

2012/05/11

1

安徽大学资环学院

2012/01/13

1

浙江省环境保护科学设计研究院

2011/11/23

1

北京大学深圳研究生院

2011/11/04

1

重庆中法供水有限公司

2011/08/17

1