產(chǎn)品中心 應(yīng)用方案 技術(shù)文摘質(zhì)量保證產(chǎn)品選型 下載中心業(yè)內(nèi)動(dòng)態(tài) 選型幫助 品牌介紹 產(chǎn)品一覽 聯(lián)系我們
- 經(jīng)濟(jì)實(shí)惠的傳感器系統(tǒng)實(shí)現(xiàn)藻華實(shí)時(shí)檢測(cè)
- 來(lái)源：韓國(guó)科學(xué)技術(shù)研究院（National Research Council of Science and Technology） 發(fā)表于 2025/6/9
用于藻華檢測(cè)的低成本傳感器系統(tǒng)。圖片來(lái)源：韓國(guó)土木工程與建筑技術(shù)研究院（Korea Institute of Civil Engineering and Building Technology）
韓國(guó)土木工程與建筑技術(shù)研究院（KICT）成功開發(fā)了一種實(shí)時(shí)、低成本的藻華監(jiān)測(cè)系統(tǒng)，該系統(tǒng)利用廉價(jià)的光學(xué)傳感器和新型標(biāo)記邏輯，其準(zhǔn)確性超過(guò)了梯度提升（Gradient Boosting）和隨機(jī)森林（Random Forest）等先進(jìn) AI 模型。相關(guān)研究成果發(fā)表于《環(huán)境監(jiān)測(cè)與評(píng)估》（Environmental Monitoring and Assessment）雜志。
有害藻華（HABs）對(duì)水質(zhì)、公共健康和水生生態(tài)系統(tǒng)構(gòu)成重大威脅。傳統(tǒng)檢測(cè)方法如衛(wèi)星成像和無(wú)人機(jī)遙感成本高昂，且不適合野外連續(xù)作業(yè)。
為解決這一問(wèn)題，KICT 環(huán)境研究部的李在葉（Jai-Yeop Lee）博士團(tuán)隊(duì)開發(fā)了一種緊湊的傳感器探頭，將環(huán)境光和陽(yáng)光傳感器集成到基于微控制器的平臺(tái)中。該設(shè)備根據(jù)勒克斯（lx）、紫外線（UV）、可見光（VIS）和紅外線（IR）四個(gè)傳感器變量的實(shí)時(shí)讀數(shù)，將水面狀況分為 “藻類”“晴天”“陰影” 和 “水體” 四類標(biāo)簽。
研究團(tuán)隊(duì)使用支持向量機(jī)（SVM）分類器對(duì)傳感器數(shù)據(jù)進(jìn)行標(biāo)記，以四個(gè)輸入變量實(shí)現(xiàn)了 92.6% 的準(zhǔn)確率。為進(jìn)一步提升性能，他們構(gòu)建了基于順序邏輯的分類算法，通過(guò)解讀 SVM 邊界條件，將準(zhǔn)確率提升至 95.1%。
按建議的 logic sequence 的預(yù)測(cè)準(zhǔn)確率圖。圖片來(lái)源：韓國(guó)土木工程與建筑技術(shù)研究院
預(yù)測(cè)準(zhǔn)確率對(duì)比
當(dāng)應(yīng)用 PCA（主成分分析）進(jìn)行降維，然后進(jìn)行 SVM 分類時(shí)，準(zhǔn)確率達(dá)到 91.0%。然而，在 PCA 轉(zhuǎn)換的 SVM 邊界上應(yīng)用邏輯排序?qū)崿F(xiàn)了 100% 的預(yù)測(cè)準(zhǔn)確率，優(yōu)于隨機(jī)森林和梯度提升模型，后者達(dá)到了 99.2%。這種方法表明，簡(jiǎn)單性和邏輯性可以勝過(guò)復(fù)雜性，尤其是在受限環(huán)境中。
數(shù)據(jù)顯示，對(duì) PCA 降維后的 SVM 邊界應(yīng)用邏輯序列時(shí)，預(yù)測(cè)準(zhǔn)確率達(dá)到100%，超越了隨機(jī)森林和梯度提升模型（均為 99.2%）。這表明，在受限環(huán)境中，簡(jiǎn)單邏輯模型可能比復(fù)雜算法更具優(yōu)勢(shì)。
李博士指出：“基于邏輯的框架表現(xiàn)出卓越的魯棒性和可解釋性，尤其適合在嵌入式系統(tǒng)中實(shí)時(shí)部署。在小樣本場(chǎng)景下，其性能優(yōu)于集成樹方法，是野外微控制器（MCU）環(huán)境的理想選擇�！�
該系統(tǒng)還通過(guò)多元線性回歸（MLR）模型量化葉綠素 - a（Chl-a）濃度（有害藻華的關(guān)鍵指標(biāo)）�；谙嗤乃膫�(gè)傳感器輸入，該模型對(duì) Chl-a 濃度高于 5 mg/L 的情況誤差率為 14.3%，證明其適用于實(shí)際野外監(jiān)測(cè)。與復(fù)雜的非線性模型不同，MLR 模型可在低功耗設(shè)備上高效運(yùn)行，且易于解釋和維護(hù)。
這項(xiàng)研究標(biāo)志著經(jīng)濟(jì)實(shí)惠的水質(zhì)監(jiān)測(cè)技術(shù)取得重大進(jìn)展。通過(guò)結(jié)合低成本物聯(lián)網(wǎng)傳感器技術(shù)和高效的邏輯建模，該系統(tǒng)無(wú)需昂貴硬件或大量訓(xùn)練數(shù)據(jù)即可實(shí)現(xiàn)藻華實(shí)時(shí)檢測(cè)，為資源有限的地區(qū)提供了可擴(kuò)展的解決方案。
更多信息：Jai-yeop Lee，《基于低成本傳感器的藻華標(biāo)記：支持向量機(jī)與邏輯方法的對(duì)比研究》，《環(huán)境監(jiān)測(cè)與評(píng)估》（2025）。DOI：10.1007/s10661-025-13815-y
期刊信息：《環(huán)境監(jiān)測(cè)與評(píng)估》
來(lái)源：韓國(guó)科學(xué)技術(shù)研究院
- 如果本文收錄的圖片文字侵犯了您的權(quán)益，請(qǐng)及時(shí)與我們聯(lián)系，我們將在24內(nèi)核實(shí)刪除，謝謝！
