[發明專利]利用機器學習和/或人工神經網絡模型識別產痹性貝類毒素藻類的方法與應用

在審

• 申請號: 202110837232.2
• 申請日: 2021-07-23
• 公開（公告）號: CN113705608A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 江天久;徐薇;紐杰;茍偲鈺;甘雯玉;張帥
• 申請（專利權）人: 暨南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 蘇運貞

本發明公開了一種利用機器學習和/或人工神經網絡模型識別產痹性貝類毒素藻類的方法與應用。本發明通過提取產麻痹性貝毒的藻類或不產麻痹性貝毒的藻類在不同環境條件下的三維熒光光譜信息，運用SVM和CNN模型提取實驗藻類的特征峰，通過反復訓練模型，并不斷優化參數，得到可用于識別產麻痹性貝類毒素和不產麻痹性貝類毒素藻類的機器學習和深度學習模型，能用于產毒藻的識別。本發明對麻痹性貝毒藻類和非麻痹性貝毒藻類判別正確率很高，基本實現了對產毒藻快速準確識別的目的。本發明無需去除熒光原始光譜的瑞利散射，可有效降低數據處理的繁雜程度，提高模型的運行速度，更方便、快捷、準確的對產麻痹性貝類毒素藻類進行判別。

技術領域

本發明屬于有毒微藻識別防治領域，具體涉及一種利用機器學習和/或人工神經網絡模型識別產痹性貝類毒素藻類的方法與應用。

背景技術

赤潮是指水中的微生物由于水體環境及氣候等原因大量繁殖導致水體變色的現象。近些年我國沿海的赤潮發生次數及面積有持續增加的趨勢，經濟損失嚴重。

根據赤潮的毒性特點，通常把赤潮分為三類，分別為無毒赤潮、魚毒性赤潮和有毒赤潮。三類赤潮中，無毒赤潮發生的比例最高，這類赤潮不產毒素，魚毒性赤潮產生的毒素只對魚類造成影響，海洋中的其它生物通常不會對其富集，而有毒赤潮產生的毒素可以通過生物富集作用對人或動物的健康造成危害。有毒赤潮主要為浮游或底棲的藻類所造成。近年來，在我國的東海和長江口，多次發生大規模有毒藻赤潮，近岸海產貝類的食用安全風險增加。

有毒赤潮產生的毒素主要有麻痹性貝毒(Paralytic Shellfish Poisoning，PSP)、腹瀉性貝毒(Diarrhetic Shellfish Poisoning，DSP)、記憶缺失性貝毒(AmnesicShellfish Poisoning，ASP)、神經性貝毒(Neurotoxic Shellfish Poisoning，NSP)和西加魚毒(Ciguatera Fish Poisoning，CFP)等。

在所有的赤潮毒素中，麻痹性貝毒由于其分布廣，毒性強而成為危害最大的生物毒素之一。產麻痹性貝毒的藻類主要集中在甲藻門，如膝溝藻屬(Gonyaulax)、亞歷山大藻屬(Alexandrium)、裸甲藻屬(Gymnodinium)。除了甲藻之外，其它門類的少數藻類也可以產PSP，如淡水藻中的藍綠藻屬，紅藻和一些細菌。亞歷山大藻屬中的塔瑪亞歷山大藻(A.tamarense)、鏈狀亞歷山大藻(A.catenella)、微小亞歷山大藻(A.minutum)是產PSP的主要藻類。

目前有一些檢測PSP的方法，如生物檢測法、免疫法、化學分析法，但這些方法要么檢測對象單一，要么受制于準確性、靈敏性、重復性差的缺陷，無法廣泛應用。

發明內容

本發明的首要目的在于提供一種利用機器學習和/或人工神經網絡模型識別產痹性貝類毒素藻類的方法。

本發明的另一目的在于提供上述利用機器學習和/或人工神經網絡模型識別產痹性貝類毒素藻類的方法的應用。

本發明的目的通過下述技術方案實現：

一種利用機器學習和/或人工神經網絡模型識別產痹性貝類毒素藻類的方法，包括如下步驟：

(1)測定微藻在不同溫度、鹽度和光照強度下各生長期的三維熒光，得到微藻細胞的三維熒光光譜數據信息并將光譜文件轉成TXT文件儲存；其中，微藻包括產麻痹性貝毒微藻和不產麻痹性貝毒微藻；

(2)通過MATLAB讀取步驟(1)所有TXT文件，并將每個TXT中的光譜信息數據信息進行最大歸一化處理；

(3)運用SVM模型和CNN模型分別提取實驗藻類的特征峰，通過對模型進行多次訓練，模型不斷學習特異性光譜特征信息，得到訓練后的SVM模型和CNN模型；