迅數AlgaeAI 700浮游生物自動分類計數系統
迅數AlgaeAI 700浮游生物自動分類計數系統，由迅數最新研發的AlgaeAI系統和全自動掃描顯微系統構成。借助高速三軸電動平臺，獲取高清顯微影像，利用基于超級深度學習的AlgaeAI 技術，可對水域中的浮游生物自動識別物種、分類計數、生物量測定、計算細胞密度，自動生成并導出數據報表，實現對浮游生物的電子化記錄，確保電子數據的完整性。
| 品牌 | SHINESO/迅數科技 | 價格區間 | 面議 |
|---|---|---|---|
| 產地類別 | 國產 | 儀器種類 | 實驗室型 |
| 應用領域 | 環保 |
迅數AlgaeAI 700浮游生物自動分類計數系統，由迅數最新研發的AlgaeAI系統和全自動掃描顯微系統構成。借助高速三軸電動平臺，獲取高清顯微影像，利用基于超級深度學習的AlgaeAI 技術，可對水域中的浮游生物自動識別物種、分類計數、生物量測定、計算細胞密度，自動生成并導出數據報表，實現對浮游生物的電子化記錄，確保電子數據的完整性。AlgaeAI 700還配有浮游生物智能鑒定專家模塊，為水生態系統浮游生物多樣性研究提供重要工具。
人工智能，觸手可及
AlgaeAI 700是迅數超深機器學習的高級浮游生物智能分析識別計算系統，開展浮游生物分析的人員都能使用先進的數據分析技術—— 無需具備深厚的浮游生物學專業知識。
l 簡單，一鍵完成識別、分類、計數、百分比、藻密度計算、優勢藻排序、報告輸出
l 快速，單視野分析僅需0.6秒
l 精確，可識別經過神經網絡訓練的145種常見藻，60種淡水浮游動物，識別精度達95%以上
l 高魯棒性，適應實驗中常見的復雜顯微圖像：較高密度下的藻細胞交叉重疊、景深不足造成的局部結構模糊、混有較多雜質的背景、細胞僅有部分在視野內……。
全程透明化，看得見的真實
分析識別和統計過程，完整顯示在屏幕上，操作員可以清楚觀察每一張圖片的分析過程與處理結果。
l 點擊“AI啟動"，主窗口圖片一張張閃過，藻細胞被一個個框出來，框的上邊是這個藻的名稱
l 右側上方的綠色滾動條，告知樣本正在檢測中……
l 右側是實時跳動更新的數據：門類、藻名稱、藻數量、百分比、藻密度……
檢測完畢，點擊左下邊的圖片隊列，可以方便的檢視每張圖片上的藻類計數情況：個別名稱不對？個別藻沒檢測出來？個別藻需要刪除？ 簡單，點擊工具箱，2-3秒即可修正。
解決復雜視野圖像檢測的困難
浮游植物定量分析過程存在諸多挑戰，如采集的定量水樣中懸浮雜質較多，濃縮后細胞密度過高，微藻相互交疊、藻細胞在計數框內分層分視野存在、顯微鏡光學成像的清晰度不夠、聚焦不準……
AlgaeAI 700利用其超級深度機器學習能力，可以快速、可靠地產生高質量的分析識別結果。
不怕藻細胞的交叉與重疊，直接自動解開
藻密度超過1010 cells/L 背景雜亂的樣本，一樣能識別計數
光源、聚焦調整不到位，脆桿藻、盤星藻，很淺很淡，照樣可識別
浮游動物自動識別
藻類智能鑒定的數字化寶庫
宏大的藻類圖文庫，覆蓋了中國境內江河、湖泊、水庫等內陸水域以及周邊海域的淡水、海洋物種，精致選編的圖片和文字介紹，融合豐富的檢索架構，是浮游生物基礎教學、水環境監測單位機構普及藻類知識的幫手。
分類學檢索，常見藻重點編輯、分欄介紹， 形態、結構、生殖、生態 一目了然。
形態學檢索，依據形態相近性、漸變性，組合歸類成圖形語言，并結合細胞或群體的結構特征，如鞭毛、色素體、花紋、膠被等 ，實現精確、快捷的形態學檢索。
高品質顯微掃描成像
以奧林巴斯科研級生物顯微鏡BX43為光學成像載體，配置平滑安靜的XYZ電動載物臺，實現一鍵式精確操作：自動對焦、自動掃描，圖像質量優異。
主要功能與技術指標
1. 分析規范
符合《SL733-2016內陸水域浮游植物監測技術規程》、《水生態監測技術要求-淡水浮游植物》、《HJ1216-2021水質浮游植物的測定0.1mL計數框-顯微鏡計數法》和《HJ1215-2021水質浮游植物的測定濾膜-顯微鏡計數法》、《水和廢水監測分析方法》（第四版），及《GB17378-2007海洋監測規范》對應的藻類分析要求。
2. 全自動掃描顯微系統
? 奧林巴斯BX43顯微鏡：物鏡規格4、10、20、40倍半復消色差物鏡
? 高精度電控XYZ自動掃描平臺：實現X/Y/Z軸方向微米級運動及自動控制
? 步進電機XY平臺：一次裝載4片，最小步長≤ 0.1um 雙向重復定位精度≤±1um最大速度：20mm/s
? 根據調整后樣品浮游植物的密度，可選擇全片掃描法、行格掃描法、隨機視野掃描等方式進行成像
? 電動Z軸：閉環分辨率 0.156um；重復定位精度：≤±0.4um
? 高靈敏全局快門相機，多景深連續自動掃描對焦，拍攝層數間距可設定，圖像分辨率<0.20um/pixel
3. AlgaeAI 700 基于超級深度學習的迅數浮游生物AI系統
迅數AlgaeAI 700浮游生物AI自動分類計數系統，由資深專家團隊組，在對浮游生物特征深入研究的基礎上，結合機器學習理論，創新性地研究建立了具有高魯棒性的人工智能分析系統，實現藻類、浮游動物自動分類計數、大小測量以及生物量測定。
? 可自動識別3～1000μm的藻類，包含綠藻門、藍藻門、硅藻門、隱藻門、甲藻門、黃藻門、金藻門、裸藻門等 超過145種常見藻，藻密度檢測范圍9.2×102 -1011 cells/L
? 單視野自動識別分析時間≤0.6秒，實現準確的藻類識別、分類計數，同步完成優勢藻排序、生物量計算。
? 當地分類識別庫的優勢物種識別率≥95%，自動分析的重復性誤差≤5%
? 一鍵式操作，全程動態可視化：主窗口圖片列隊疾行，藻細胞瞬間識別、原位標注名稱；檢測數據（門類、名稱、數量、百分比、藻密度等）實時跳動更新；綠色滾動條展示圖片集檢測進度。全程透明化操作，方便質量監控。可鼠標交互增加、刪減、修改識別物種信息，實時更新樣品分析結果。
? 統計數據按優勢種排序，展現浮游植物類別、中文名、拉丁名、藻數量，藻占比、藻密度，統計物種平均單細胞長度、單細胞寬度、單細胞高度、單細胞直徑、單細胞面積、單細胞體積，自動計算生物量、總生物量、Shannon指數、物種均勻度指數、生物多樣性指數、豐度、優勢度。
? 電子記錄、數據追溯與報告：自動保存數據，一鍵化生成統計報表。已完成的分析結果可以保存，采集圖像上原位標記藻類名稱，任何時候打開文件，都可重新回審每張圖片的統計精度。
? 高魯棒性：具有強抗干擾能力，對于含有大量雜質的視野圖片，即便藻細胞處于雜質之中，本系統基于強大的推理能力，也能準確的將其識別出。
? 重疊/粘連藻的分離識別：對高度重疊在一起的藻細胞，AlgaeAI 700基于智能粘連分離技術，能從一堆粘連在一起的細胞中，把一個個藻細胞準確的捕捉出來。
? 殘缺/局部藻的智判識別：對視野邊緣的不完整藻細胞，AlgaeAI 700基于智能形態推理技術，能根據局部信息準確識別出其是什么藻類，從而實現無漏檢測。
? 模糊細胞的推算識別：對視野中因聚焦景深不足，而出現一些淡且不清晰的藻細胞，AlgaeAI 700基于模糊推算技術，能準確的分析識別出其是什么藻細胞。
? 浮游動物分析模塊：依托強大的AI圖像識別技術，構建高精度神經網絡數學模型，準確識別水體中的65個種屬，自動測量浮游動物體長、體寬等指標，計算密度與生物量，出具檢測報告，實現數據的無紙化記錄。此外，系統提供包含文字、手繪圖、顯微照片在內的信息數據庫，配置分類信息與關鍵詞搜索功能，能夠圖文并茂的展現浮游動物。
4. 經典圖像分割計數模塊
? 動態自動計數：七種分割算法，用于預檢多視野的計數，調整浮游植物密度為107-108個/升
? 似球形群體細胞自動計數：自動識別、計數群體中的子細胞，尤其適合微囊藻的計數分析
? 絲狀體細胞估算：用于估算單條絲狀體、鏈狀體的子細胞數
5. 浮游生物定性分析、智能鑒定模塊
? 浮游生物專家數據庫：由精美的彩色顯微照片、手繪圖、中文、拉丁文雙語顯示構成淡水、海洋浮游生物庫，可按“門、目、屬、種"四級展開檢索。其中藻類15個門、1700個屬；浮游動物26大類、2000個屬。覆蓋中國東部平原湖區、云貴高原湖區、東北湖區、青藏高原湖區、蒙新高原湖區和七大水系的淡水藻，以及東海、黃海、渤海、南海周邊的海洋藻
? “典型組合聯想"形態學檢索：用圖形語言、組合聯想、并結合細胞或群體的結構特征，實現精確、快捷的形態學檢索。具備：特征多選、淡水、海洋分庫、瀏覽方便等特點，使得初學者能快速掌握。
? 多維漸進相似藻搜索鑒定：自動、智能的藻細胞圖形識別工具，3-5秒即實現：偵測未知藻細胞輪廓、提取特征信息、大數據匹配，精確找出形態相近的可能藻類，“優先選擇"項同步展現最相近的常見藻類。
? 易混淆藻鑒別：針對經驗欠缺的實驗員設計，篩選多個因形態相似而易混淆的藻類，在同一界面上展開快速比較，通過典型的特征拼圖、概要性文字，迅速掌握區別要點。
6. 配置清單
? 迅數AlgaeAI 700藻類及浮游動物智能分析系統各1套
? 全自動數字顯微影像掃描系統1套：奧林巴斯BX43顯微鏡，UIS2無限遠光學系統 ，4X、10X、40X平場半復消色差物鏡、20X全復消色差物鏡（數值孔徑0.75）、10倍屈光度可調目鏡、三目觀察筒、5孔位物鏡轉換器，4片通量高精度電控XYZ自動掃描平臺及控制箱、高靈敏全局掃描相機
? 數據分析工作站1臺：第12代智能英特爾酷睿i9-12900 16核，32G DDR4內存，4G獨立顯卡，512G 固態硬盤，4T 硬盤，27英寸顯示器， Windows 10 專業版操作系統
7. 服務
? 新機上門安裝調試、培訓，并提供兩年保修服務
? 為用戶免費構建本地數據庫算法一次
? 長期提供遠程協助指導服務、協助鑒定復雜樣本
