【技術實現步驟摘要】
本專利技術涉及水質檢測，尤其涉及一種藻類計數系統及方法。
技術介紹
1、大量藻類的存在，造成水環境破壞，另外直接影響了以地表水為水源的自來水的生產和供應。為了評價水環境，了解藻類對水廠各工藝環節的影響，環保和供水行業需要經常開展藻類計數檢測項目。
2、現有的主流藻類計數方法主要參考《水和廢水標準檢驗法》(美國)第二十版，適用于對水體中浮游性藻類進行計數。主要操作步驟為：采集1升水樣，加入盧哥氏液10ml，在玻璃量筒中避光靜置沉降48小時。48小時后，利用虹吸原理吸去上清液，將沉降濃縮液轉移至50ml棕色容量瓶中，用純水定量。如果不及時進行計數，濃縮液可以放置避光保存。計數前，將容量瓶反復顛倒50次將濃縮液混合均勻。計數時，用微量移液槍吸取濃縮液0.1ml到計數框中，使用光學顯微鏡，在10×40倍放大倍率下進行計數。
3、傳統的一種藻類計數方法存在著較大的人為影響因素和計數樣本量小的問題。虹吸時易攪起沉降的藻類，濃縮液轉移時易殘留在量筒壁上，整個操作過程誤差較大、人為因素太多。實驗員一般對49個視野進行藻類計數，計數數量較小，也會有較大誤差。
技術實現思路
1、基于此，有必要提供一種藻類計數系統及方法，以解決至少一個上述技術問題。
2、為實現上述目的，一種藻類計數方法，應用于全自動即時藻類計數儀，全自動即時藻類計數儀包括一體化全封閉外殼的智能染色容器、智能管路模塊、反滲透濃縮裝置、稱重傳感器、反滲透膜、濃縮液倉以及樣品池，其中一體化全封閉外殼的智能
3、步驟s1：獲取待測水樣以及水樣元數據；將待測水樣轉移至一體化全封閉外殼的智能染色容器中，通過精密計量泵進行進樣體積控制處理，得到樣品原始體積數據；根據水樣元數據以及樣品原始體積數據通過染料配置模塊進行染色動力學穩定分析，得到最佳染色穩定化時間參數；
4、步驟s2：通過智能管路模塊以及反滲透濃縮裝置進行染色液轉移，得到轉移體積數據；根據水樣元數據、轉移體積數據以及最佳染色穩定化時間參數進行水樣反滲透濃縮，得到濃縮倍數曲線；通過稱重傳感器進行透過液回收監測，得到透過液回收效率數據；根據透過液回收效率數據進行藻類濃縮液體積提取，得到藻類濃縮液體積；根據藻類濃縮液體積以及濃縮倍數曲線進行濃縮終點判斷，得到濃縮終點狀態參數；
5、步驟s3：根據濃縮終點狀態參數、藻類濃縮液體積以及反滲透膜進行對反滲透膜的內壁進行多級清洗壓力控制處理，得到多級清洗過程數據；對多級清洗過程數據進行清洗液循環回收，得到清洗液回收過程數據；根據清洗液回收過程數據進行清洗回收效率分析，得到清洗回收效率參數；
6、步驟s4：根據清洗回收效率參數進行濃縮液水樣流入濃縮液倉處理并進行體積測定，得到濃縮液有效體積數據；根據濃縮液有效體積數據進行均質過程評價，得到均質度評價參數；根據均質度評價參數進行均質條件多目標分析，得到最佳均質條件數據；
7、步驟s5：根據最佳均質條件數據進行均質水樣抽取至樣品池處理并進行樣品載玻片制備，得到樣品載玻片制備參數；利用樣品載玻片制備參數進行藻細胞圖像分類，得到藻細胞圖像分類掩膜數據；根據藻細胞圖像分類掩膜數據進行藻細胞形態三維分析并進行單細胞追蹤識別，得到單細胞藻類形態特征參數；
8、步驟s6：根據單細胞藻類形態特征參數進行藻類特征庫構建，得到藻類特征庫數據；根據藻類特征庫數據進行藻細胞自動分類統計，得到不同屬種的藻細胞數量分布數據；根據單細胞藻類形態特征參數以及不同屬種的藻細胞數量分布數據進行藻類生物量轉換計算，得到藻類生物量組成數據；根據不同屬種的藻細胞數量分布數據以及藻類生物量組成數據進行藻類細胞密度和生物量計算分析，得到藻類細胞密度和生物量綜合分析報告。
9、本專利技術通過采用專用采水器和標準化流程采集水樣，并記錄詳細的元數據，確保了樣品的代表性和可追溯性。同時，利用全封閉智能染色容器、精密計量泵、智能管路模塊等自動化設備，實現了染色、濃縮、清洗等步驟的自動化操作，最大程度地減少了人為干預，避免了人為誤差，極大地提高了實驗效率。根據水樣類型和濃度等信息，智能選擇染料種類和濃度，并通過實時監測染色動力學，精確控制染色時間，保證了最佳染色效果。在濃縮過程中，根據水樣情況選擇合適的膜組件，并實時監測濃縮過程，保證了高效、溫和的濃縮效果，最大程度地減少了對藻細胞的損傷。采用多級清洗策略和智能化清洗流程，能夠高效、徹底地去除膜污染物，延長反滲透膜的使用壽命，并減少清洗劑的使用，更加環保。同時，通過實時監測清洗液濁度和膜通量恢復數據，可以直觀地評估清洗效果，實現對清洗過程的精細化控制，進一步提高清洗效率，降低實驗成本。根據藻細胞種類和濃縮液體積選擇合適的均質設備和參數，并通過對多種均質方式的參數優化和組合，實現了高效、溫和的均質效果，最大程度地保持了藻細胞的完整性，保證了樣品在載玻片上的均勻分布，為后續的圖像分析提供了高質量的樣品。采用多光譜成像技術和高分辨率圖像采集，獲取豐富的藻細胞形態學信息，為后續分析提供了更豐富、更可靠的數據。利用深度學習等人工智能技術構建藻類特征庫和智能識別模型，實現了藻類的自動分類、計數和生物量計算，極大地提高了分析效率和結果的準確性。通過全自動化、智能化的藻類計數過程，大大減少了人為操作引入的誤差，提高了計數的準確性和效率。同時，通過高分辨率圖像采集、藻細胞圖像分類和智能識別模型訓練等技術，擴大了計數樣本量，獲得了更全面、更準確的藻類計數結果。提高了藻類計數的準確性、高效性和智能性。
10、因此，本專利技術提供了一種藻類計數方法，是對傳統的一種藻類計數方法做出的優化處理，解決了傳統的一種藻類計數方法在藻類計數時存在著較大的人為影響因素和計數樣本量小的問題，降低了人為因素的影響以及提高了計數樣本量，使得藻類計數的準確性、高效性和智能性得到提升。
11、優選地，步驟s1包括以下步驟：
12、步驟s11：通過專用采水器對水體進行水樣采集并進行數據記錄，得到待測水樣以及水樣元數據；
13、步驟s12：將待測水樣轉移至一體化全封閉外殼的智能染色容器中，通過精密計量泵進行進樣體積控制處理，得到樣品原始體積數據；
14、步驟s13：根據水樣元數據以及樣品原始體積數據通過染料配置模塊進行染料自動配置，得到染料投量數據；根據染料投量數據通過多通道微量泵進行染料智能添加，得到染色起始時間數據；
15、步驟s14：獲取染色過程數據；對染色過程數據進行染色液光學分析并進行染色動力學建模，得到染色動力學模型；根據染色動力學模型進行染色速率和平衡分析，得到染色速率常數以及染色平衡常數；
16、步驟s15：根據染色動力學模型進行染色終點判斷，若染色進度值小于預設的染色終點閾值，則返回步驟s本文檔來自技高網...
【技術保護點】
1.一種藻類計數方法，其特征在于，應用于全自動即時藻類計數儀，全自動即時藻類計數儀包括一體化全封閉外殼的智能染色容器、智能管路模塊、反滲透濃縮裝置、稱重傳感器、反滲透膜、濃縮液倉以及樣品池，其中一體化全封閉外殼的智能染色容器包括依次連接的精密計量泵、染料配置模塊以及多通道微量泵，反滲透濃縮裝置與稱重傳感器相互連接，通過智能管路模塊將多通道微量泵、反滲透濃縮裝置、反滲透膜、濃縮液倉以及樣品池依次進行連接，所述藻類計數方法包括以下步驟：
2.根據權利要求1所述的藻類計數方法，其特征在于，步驟S1包括以下步驟：
3.根據權利要求2所述的藻類計數方法，其特征在于，步驟S14包括以下步驟：
4.根據權利要求1所述的藻類計數方法，其特征在于，步驟S2包括以下步驟：
5.根據權利要求1所述的藻類計數方法，其特征在于，步驟S3包括以下步驟：
6.根據權利要求1所述的藻類計數方法，其特征在于，步驟S4包括以下步驟：
7.根據權利要求1所述的藻類計數方法，其特征在于，步驟S5包括以下步驟：
8.根據權利要求1所述的藻
9.根據權利要求8所述的藻類計數方法，其特征在于，步驟S67中藻類細胞密度數據由藻類細胞密度計算的計算公式獲取，其中藻類細胞密度計算的計算公式具體為：
10.一種藻類計數系統，其特征在于，用于執行如權利要求1所述的藻類計數方法，該藻類計數系統包括：
...【技術特征摘要】
1.一種藻類計數方法，其特征在于，應用于全自動即時藻類計數儀，全自動即時藻類計數儀包括一體化全封閉外殼的智能染色容器、智能管路模塊、反滲透濃縮裝置、稱重傳感器、反滲透膜、濃縮液倉以及樣品池，其中一體化全封閉外殼的智能染色容器包括依次連接的精密計量泵、染料配置模塊以及多通道微量泵，反滲透濃縮裝置與稱重傳感器相互連接，通過智能管路模塊將多通道微量泵、反滲透濃縮裝置、反滲透膜、濃縮液倉以及樣品池依次進行連接，所述藻類計數方法包括以下步驟：
2.根據權利要求1所述的藻類計數方法，其特征在于，步驟s1包括以下步驟：
3.根據權利要求2所述的藻類計數方法，其特征在于，步驟s14包括以下步驟：
4.根據權利要求1所述的藻類計數方...
【專利技術屬性】
技術研發人員：周建華，任鵬飛，李俊義，李振興，孫婧怡，周午陽，徐曉然，孫強強，
申請(專利權)人：廣州市市政工程設計研究總院有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。