Resonon | AI × 高光谱：蓝藻生物量预测精度突破 4%！
传统监测遇瓶颈，无损检测破局而出！在环境工程和生物技术等领域，蓝藻作为一种宝贵的资源，可用于生产生物塑料、色素和生物燃料等。然而，在培养过程中，如何实时、准确地监测蓝藻的生物量浓度，一直是个棘手的难题。传统方法，如干重测定和细胞计数，虽然精准但耗时耗力，且需要破坏性取样，容易导致污染。而光密度（OD750）或浊度等间接方法虽然快速，但易受培养物生理状态影响，准确性和稳定性不足。AI × 高光谱：一次跨学科的突破尝试最近，一项发表在《Bioresource Technology》（影响因子 9.0）上的研究带来了突破。一个由西班牙AIMEN技术中心和加泰罗尼亚理工大学组成的团队，首次将人工智能（AI）与高光谱成像（Hyperspectral Imaging, HSI）深度融合，构建出一套能够在蓝藻培养过程中实现非破坏性、实时生物量预测的智能系统。这意味着，科研人员只需拍一张“光谱照片”，AI 就能告诉你——蓝藻现在的浓度是多少、增长趋势如何，甚至能提前预判培养状态的变化。 图1.研究框架。数据驱动，智能解析：高光谱AI精准锁定生物量特征研究团队使用三种蓝藻生物群落（Synechocystis sp.）在光生物反应器中进行培养。反应器的温度、光照和pH值严格控制，确保培养条件稳定。在蓝藻生长的不同阶段，研究人员定期从反应器中同步取样：· 一份用于 VSS（Volatile Suspended Solids，挥发性悬浮固体）测量，以获取真实的生物量数值；· 另一份使用 Resonon Pika L 高光谱成像仪扫描，采集 400–1000 nm 范围内的光谱数据。Pika L型高光谱成像仪系统配置如下：光谱范围：400 nm1000 nm；光谱分辨率：2.7 nm FWHM，281个波段；相机类型：空间分辨率900×900像素，最大帧速率为249 fps；采集软件：Spectronon；照明系统：200 W LED灯，距离光生物反应器（PBRs）15cm；最终，团队构建了一个包含 205 组 VSS 测量值 与 450 幅高光谱图像的配对数据集，为后续的机器学习算法奠定了坚实基础。图2. 高光谱成像设置。a) 蓝藻微生物群落生长实验的光生物反应器设置。b) Pika L型高光谱成像仪和图像采集设置。c) 高光谱成像处理步骤：输入图像...
2026
-
03
-
03