实时检测藻华：Group 提出廉价方法

快速阅读: 《环境技术》消息，韩国研究人员开发出一种低成本藻华监测系统，结合光学传感器和逻辑算法，准确率超先进AI模型。该系统能实时监测水质并量化叶绿素-a浓度，有助于应对藻华带来的环境问题。

韩国研究人员开发出一种实时、低成本的藻华监测系统，该系统采用廉价的光学传感器和新颖的标记逻辑。据研发团队——韩国土木工程与建筑技术研究院（韩土建院）称，其准确性超过了梯度提升和随机森林等先进的AI模型。

有害藻华（HABs）对水质、公共健康以及水生生态系统构成了重大威胁。传统的检测方法如卫星成像和无人机遥感因成本高昂且不适合持续现场操作而受到限制。为解决这一问题，研究团队开发了一种紧凑型基于传感器的探针，将环境光和阳光传感器集成到基于微控制器的平台上。该设备根据来自四个传感器变量（光照强度lux、紫外线、可见光和红外线）的实时读数，将水面状况分为“藻类”、“晴天”、“阴影”和“水体”四种状态。

传感器数据的标记处理使用支持向量机（SVM）分类器，具有四个输入变量，实现了92.6%的准确率。为了进一步提高性能，研究团队构建了一个基于序列逻辑的分类算法，解析SVM边界条件，准确率提升至95.1%。当应用主成分分析（PCA）进行降维后使用SVM分类时，准确率达到91.0%。然而，在对PCA变换后的SVM边界应用逻辑序列后，预测准确率达到100%，优于99.2%的随机森林和梯度提升模型。这种方法表明，在受限环境中，简单性和逻辑性可以胜过复杂性。

“基于逻辑的框架展现出卓越的鲁棒性和可解释性，特别是在嵌入式系统中的实时部署方面，”韩土建院环境研究部的李在业博士带领团队完成此项工作时表示，“它在小样本设置中优于集成树方法，并且非常适合现场MCU环境的应用。”

该系统还通过多元线性回归（MLR）模型量化叶绿素-a（Chl-a）浓度，这是有害藻华的重要标志物。该模型从相同的四个传感器输入中得出，据说对于超过5mg/L的Chl-a水平，误差率为14.3%，使其适用于实际现场使用。

“与复杂的非线性模型不同，MLR模型在低功耗设备上运行效率高，易于解释和维护。”这项研究被认为是经济实惠且易于获取的水质监测领域的一项重要进展。

“通过融合低成本物联网传感器技术和高效逻辑建模，该系统能够在无需昂贵硬件或大量训练数据的情况下实现藻华的实时检测。”

(以上内容均由Ai生成)