微藻作為一類重要的生物資源，不僅在水質凈化、生物能源生產、食品和藥品開發等方面具有廣泛應用前景，還在環境監測、生態修復等領域發揮著重要作用。近年來，高光譜成像技術作為一種先進的非接觸式監測手段，逐漸在微藻培養與監測中展現出其獨特的優勢和潛力。
      Fluortron多功能高光譜成像系統整合國際先進技術資源，以其高光譜分辨率和圖像處理能力，在微藻的生理狀態、生物量、種類識別等方面展現出強大的應用潛力。通過捕捉微藻在不同光譜波段的反射或熒光特性，可以實現對微藻生長狀態的高精度監測和快速分析。相較于傳統方法，Fluortron多功能高光譜成像技術具有多功能、非接觸、無損傷、實時性強、信息量豐富等顯著優勢，為微藻培養與監測提供了一種全新的解決方案。
案例一：使用高光譜成像儀對微藻培養進行非侵入性監測
      微藻作為生物燃料、食品添加劑及藥物原料的重要來源，其高效培養與精確監測對于提高產量與質量至關重要。然而，傳統的監測方法往往存在耗時、破壞樣本等局限。本研究采用高光譜成像儀，結合線性回歸模型與一維卷積神經網絡（1D CNN），對實驗室條件下的微藻培養進行了非侵入性監測。通過捕獲微藻在不同生長階段的光譜圖像，實現了對生物量濃度的準確預測與物種分類。       實驗室研究研究表明，高光譜成像技術能夠在不破壞樣本的情況下，快速獲取大量光譜數據。線性回歸模型與1D CNN均表現出良好的預測性能，其中1D CNN不僅預測了生物量濃度，還可以實現對三種綠色微藻的高精度分類。工業規模的初步測試也表明，該技術同樣適用于實際生產中的微藻培養監測。

案例二：水華藍藻的精準區分
      水華藍藻的爆發不僅影響水質，還可能產生有毒物質，對人類健康及水生生態系統構成威脅。因此，實現對水華藍藻的精準區分與有毒物種的快速識別具有重要意義。本研究利用實驗室條件下的高光譜圖像，結合機器學習算法，對形成水華的藍藻進行了分類與識別。       實驗研究表明，高光譜圖像能夠捕捉到藍藻光譜特性的細微差異，為機器學習模型提供了豐富的特征信息。利用機器學習算法在水華藍藻的分類與毒性識別中展現出極高的準確性，為水華預警與治理提供了科學依據。

未來與展望
      多功能高光譜成像技術與機器學習的結合，為微藻培養與水華藍藻監測帶來了革命性的變化。這一技術不僅能夠實現非侵入性、高精度的生物量監測與物種分類，還能有效識別有毒藍藻物種，為環境保護與生物技術的發展提供了強有力的支持。未來，隨著技術的不斷成熟與應用場景的拓展，都功能高光譜成像技術將在更多領域展現出其巨大的潛力和價值。

更多藻類培養與監測系統
      易科泰公司長期致力于農業-生態-健康領域，整合國際先進技術資源，為藻類生物質能源及高通量表型研究領域提供全面解決方案，包括藻類培養、藻類葉綠素熒光與光合作用測量、藻類葉綠素熒光成像分析、藻類培養與在線監測及高通量藻類表型分析等。  
參考文獻：
[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.