基于雙目視覺技術的海水生物毒性監測方法研究

馬然，曹煊，王小紅，張天鵬，張麗

(山東省科學院海洋儀器儀表研究所，山東省海洋環境監測技術重點實驗室，山東 青島 266100)

?

【海洋科技與裝備】

基于雙目視覺技術的海水生物毒性監測方法研究

馬然，曹煊，王小紅，張天鵬，張麗

(山東省科學院海洋儀器儀表研究所，山東省海洋環境監測技術重點實驗室，山東 青島 266100)

針對現有海水生物毒性監測方法單一，不能反映全部毒性污染狀況的問題，采用雙目立體視覺技術，選擇貽貝作為海水生物毒性傳感器，利用雙攝像機不間斷拍攝形成三維動態信息，實時分析貽貝的開合角度及頻率，最終實現海水生物毒性監測。實驗結果表明，本文提出的監測方法可靠性、靈敏度高，能夠為海洋生態環境保護提供技術支撐。

雙目視覺技術；貽貝；海水生物毒性

隨著現代工業的發展，大量有毒有害物質被直接排放到水中流入大海，對海洋環境及其生態系統造成很大的危害。而海洋環境中污染成分復雜，多種分子和離子之間同時參與各種作用(如協同、拮抗和相加作用等)，同時污染物的毒性還受到環境因素如鹽度、酸堿度和水溫等影響，使生態毒性效應產生許多超出常規的反應[1-2]。這些化學品進入環境后會經歷降解、轉化與結合等一系列化學反應過程，產生一大批新的化合物。因此，單純的化學檢測并不能保證水質安全。

判斷海洋環境的毒性，最有效的方法就是使用海洋生物本身來進行驗證，這就是海水生物毒性監測[3]。生物毒性監測方法具有較高的靈敏度，一些低濃度甚至痕量的污染物進入環境后，在能夠直接檢測或人類感受到之前，生物即可做出迅速的反應并顯示出癥狀，可以在早期發現污染，及時預報預警，提升環境監管水平，增強環境安全保障能力[4]。目前，我國海洋環境指標中普遍缺乏中長期的海水生物毒性監測項目。部分污染物，尤其是持久性有機污染物在水中溶解度較小，但這些污染物具有致癌、致畸等毒害性，低劑量長期攝入會對人類健康具有潛在的威脅，因此對海洋環境進行生物毒性監測迫在眉睫[5-6]。本文采用雙目立體視覺技術，選擇貽貝作為海水生物毒性傳感器，實現海水生物毒性監測。

1 海水生物毒性監測方法

1.1 研究現狀與存在問題

利用生物毒性監測方法進行海水生物毒性的監測和評價，是環境監測未來發展的趨勢和監測研究的重點方向，也是管理和保護海洋生態系統的必要前提。在利用生物監測技術進行的海水生物毒性監測方法中，目前比較常用的監測對象包括藻類、發光細菌、魚類和貝類等。其中應用較為普及的是發光細菌檢測法，利用發光細菌的相對發光強度進行檢測，發光細菌在正常的生理條件下能發出藍綠色可見光，在一定的實驗條件下光強是恒定的。與有毒物質接觸后，由于毒物具有抑制發光的作用，發光細菌的發光強度即有所改變，變化的程度與毒物的濃度在一定范圍內具有相關性，同時與該物質的毒性大小也有關[7]。近年來，國際上針對貝類生物的研究越來越多。貝類生物種類豐富、活動性極小，針對環境的適應性較強，對多種污染物具有富集特征，而且檢測成本較發光細菌檢測法低[8-9]。經研究發現，正常情況下貝類都處于半張殼狀態, 通過濾水來吸取氧和養料；當環境發生變化時, 如污染物的存在, 其外殼就會閉合以抵御外來物質。污染物濃度越高，擴散速度越快，蚌殼的閉合速度也越快。因此, 可通過貝類蚌殼的開合變化來監測環境狀況[10-11]。貝類生物監測已經被廣泛應用于評價重金屬污染及其通過食物網對生物地球化學循環造成的影響。歐洲萊茵河上的“萊茵預警模型”中就設置了6個國際預警中心，其中就有以貝類生物作為監測對象而建立的水體生物毒性監測預警系統。荷蘭的預警水質狀況的綜合生物毒性在線監測設備Mosselemonitor儀器也是利用貽貝蚌殼張合頻率隨著水體污染狀況變化而變化的原理制備，可以對水體污染進行實時、在線的連續監測和預報預警，已成功應用于河流及近海環境的污染監測中[12]。烏克蘭國家科學院海洋水文物理研究所基于黑海中貽貝類生物的行為反應連續監測7年，應用相應的算法和軟件技術，研制出自動化生物監測儀。該生物監測儀所采用的是根據霍爾效應的磁敏元件監測方法，即將貽貝通過自身生長的足絲固定在附著基的襯底上，貝殼雙面用硅橡膠粘合劑粘上磁感應線圈。隨著兩個線圈之間距離的變化，磁場的大小會發生變化，所產生的電勢隨著蚌殼的張合也將發生變化[13]。

我國海水生物毒性監測方法的相關研究起步較晚，缺少相應的預警技術與產品。20世紀90年代，國家海洋環境監測中心曾應用磁敏元件監測貽貝活性的方法進行過水質污染檢測的相關研究，但并沒有形成體系化的生物毒性監測方法。目前，國內大多數海水生物毒性監測使用的是成本較高的發光菌生物綜合毒性在線監測儀，發光菌的保存和活化條件非常苛刻，在線監測的運行成本較高[14]，且不能反應某些神經性毒性污染物，不利于大范圍推廣使用。2009年初，珠海啟動國家“863計劃”重大項目“分散型水源地突發污染控制與飲用水安全保障技術開發及示范”，研究過程中引入荷蘭Mosselemonitor，以珠海流域常見的雙殼貝類黃沙蜆為監測生物，建立生物毒性監測預警系統，應用于珠海飲用水安全監測中。該設備領先于全國其他生物綜合毒性在線監測儀，且監測成本較低。

監測貽貝蚌殼的開合距離以及開合速度，需要通過快速、精確的測量才能得出，因此測量方法的精準性、可靠性非常重要。本課題組前期研究采用磁敏元件監測方法測量一組貽貝的行為反應規律，通過初步的實驗分析發現這種傳統方法存在兩種弊端：

(1)傳感元件對生物本體的影響。貝殼表面的粘合膠以及霍爾傳感器的磁感應線圈會對貽貝的生物活性有一定影響，一定程度上破壞了貽貝本身的生活狀態，無法準確反映水質毒性，穩定性較差。

(2)傳感元件的監測精度差。因固定位置的不確定以及霍爾元件易受磁場干擾精度不高，導致實際測量精度≥±0.5 mm，而一般個體貽貝蚌殼最大張開距離不超過8 mm，誤差率高達±6.25%，這種誤差級別無法實現精細化測量水體不同濃度、不同種類的毒性，易發生誤報、漏報等現象，系統靈敏度較低。

1.2 基于雙目立體視覺技術的海水生物毒性監測方法

針對現有海水生物毒性監測方法存在的問題，本課題組提出一種新的研究思路——研究更為精準有效的雙目立體視覺監測方法監測貽貝的活動規律，以此提高海水生物毒性監測方法的測量靈敏度，實現對水體毒性的精確測量[15-16]。雙目立體視覺技術是建立在對人類視覺系統研究的基礎上，通過雙攝像機采集的兩張不同角度的圖像，獲取場景目標的三維信息，其結果表現為深度圖，再經過進一步處理得到三維空間中的特征點，實現二維圖像到三維空間的重構[17-19]。雙目立體視覺監測方法獲取深度信息的方法比其他觀測方法更為直接，由于雙目立體視覺監測方式是被動方式的，因而較主動方式(如程距法)適用面寬，這是它的突出特點，適合針對大批量對象的觀測[20-22]。鑒于此，需要研究一種專門監測貽貝蚌殼開合規律的水下雙目立體視覺監測方法，解決現有監測體系可靠性差、精度低等問題。本項目擬選取20只健康貽貝活體作為一組監測對象，通過其自身生長的足絲附著固定在水下觀測槽中，利用兩臺高清攝像機經過水密改造進行連續拍攝，觀測貽貝蚌殼的運動規律，進而構建一套水下雙目立體視覺監測平臺。而水下視覺觀測的難點在于如何在海流擾動和濁度噪聲中實現準確、實時地測量貽貝蚌殼的運動規律。

針對復雜的水下圖像噪聲問題有很多濾波解決方案，但大部分濾波算法在處理原始信號和干擾信號的混雜信號時對原始信號會造成圖像邊緣損失[23]。根據統計理論研究表明，由于噪聲和干擾等綜合因素產生的異常數據無法避免，即使是高質量的原始采樣數據也存在5%～10%的數據為異常數據[24]。現有基于統計方法和濾波技術等的異常數據檢測方法無法完全過濾掉測量信號中的異常數據，而且有些濾波算法在處理異常數據的同時也會令信號產生畸變。因此對采樣圖像中異常值進行有效的識別與剔除，保證數據的準確性，是值得深入研究的問題。

針對雙目視覺測量的實時性問題，采樣圖像的立體匹配速度是雙目立體視覺技術中最關鍵、最困難的問題，一直是該領域研究的焦點。立體匹配算法的目的就是找出兩幅圖像對應的匹配點，進而獲得距離信息。目前，還沒有一種方法能夠快速、完美地解決圖像對應點匹配問題。因此，如何實現圖像間快速、準確的匹配，對海水生物毒性監測方法的研究具有重要意義。

2 海水生物毒性監測系統的設計

2.1 基于雙目立體視覺技術的海水生物毒性監測系統的總體設計

本文使用雙目立體視覺監測、實驗數據統計分析等研究方法，對針對貽貝行為反應的海水生物毒性監測系統進行硬件與軟件相結合的深入研究，總體研究方法框架如圖1所示。監測系統的硬件設計包含2個水下攝像頭+視覺信號處理電路組成的雙目視覺監測平臺以及一個多層的貽貝活性觀測槽，可根據檢測毒性種類的變化以及檢測濃度范圍的變化調整觀測槽的數量和視覺檢測區的間距。監測系統的算法研究包含雙目視覺圖像處理方法(水下折射補償算法、三維立體匹配算法、小波變換處理算法等)和多層前饋神經網絡算法。

2.2 雙目立體視覺監測系統關鍵技術的研究

2.2.1 雙目立體視覺監測系統的硬件結構框架

本課題中的監測系統采用雙目視覺監測平臺，包含以下3部分：雙目攝像機組、貽貝活性觀測體系和視覺信號處理運算電路，結構框架如圖2所示。其中，雙目攝像機組由兩臺水下高清攝像機以固定角度組裝而成，貽貝活性觀測體系由貽貝觀測槽以及做好標記點的貽貝活體組成，兩個部分的直線間距在200 mm～500 mm范圍內可調節。將一組(20只)貽貝依靠其自身生長的足絲固定在有機玻璃制作的觀測槽襯底上, 在貝殼上下表面各做一個標記點,通過固定的雙目視覺監測平臺觀察標記點的相對位移，并將3D圖像數據記錄在上位機電腦中。該監測平臺將可以同時對20只以內的貽貝進行張合狀況監測，每50 ms可以傳回一張圖像特征，通過前后圖像的特征點變化對比分析，得出貽貝蚌殼的運動規律，將進行實驗的每組貽貝張合頻率在計算機端統計分析轉化為一組數字信號。

圖1 總體研究方法Fig.1 Overall research method

圖2 雙目立體視覺監測平臺結構框架圖Fig.2 Framework of binocular stereo visual monitoring platform

2.2.2 監測對象的培養與篩選

處于不同成長期的貽貝對于水體污染的響應程度不同，為減小個體差異，選擇最為靈敏的貽貝個體作為監測對象，首先要對監測對象進行選擇。本次實驗所用貽貝均由膠州灣養殖區提供，按照個體大小分為大、中、小3組，每組10個樣品。大、中、小個體組評價殼長分別12±0.5 cm、9±0.3 cm、7.5±0.2 cm。將3組貽貝同時放入相同的水體環境中，向水體添加從低濃度到高濃度的污染物(石油類污染物、重金屬污染和有機磷農藥)，記錄3組貽貝的行為反應，選擇反應最為靈敏一組貽貝作為監測對象，以下實驗過程中所選的監測對象均參照本次實驗結果選擇，每次實驗選擇個體相似的貽貝活體20只作為監測對象。

2.2.3 水下雙目視覺監測的算法研究

雙目視覺測量方法的核心是利用標記點在左右兩幅視圖上成像的橫向坐標直接存在的差異(視差)與目標點到成像平面的距離關系，測算得出空間點的位置。研究的主要內容包括三維標定方法、水下折射補償算法、圖像特征提取算法、目標立體匹配算法和三維重建算法等，雙目立體視覺監測方法如圖3所示。

圖3 雙目立體視覺監測方法示意圖Fig.3 Illustration of binocular stereo vision monitoring method

3 海水生物毒性評價模型的研究

目前國內尚無海水水質毒性的評價標準，結合近年來海水和污染源監測情況以及地表水環境質量標準，將水質毒性劃分為4 個等級標準(無毒、低毒、中毒、嚴重污染)用于水質毒性評價，水質毒性分級標準依據國內外發光細菌急性毒性實驗作為對照。

使用準備階段培養篩選得到的貽貝活體，在實驗室模擬海洋環境的流水條件下進行統計實驗，將貽貝分為監測組和對比組兩組，其中每組實驗選擇20 只貽貝活體作為監測對象。首先，將監測組放入最接近海水普遍情況的模擬海水環境的實驗槽中，定義為正常狀態下貽貝響應，進行連續的監測和統計分析。其次進行對比組實驗，將監測組貽貝放置于正常狀態下，而另一組作為對比組，向其所處水體環境中加入不同濃度的單一或混合污染物，污染物主要選擇常見的油類污染、重金屬(Cd2+、Pd2+、Hg2+、Zn2+)類污染及有機磷化合物污染。水體環境的毒性標準通過發光細菌急性毒性實驗定義，同時記錄不同毒性狀態下貽貝蚌殼張合的距離和時間變化，進行統計和分析(圖4)。

根據實驗過程中污染物的類別和含量，將所模擬的海水狀況根據綜合毒性分級(水質下降等級、惡化程度)，分析統計對應貽貝的張合狀況，研究一種按誤差逆傳播算法訓練的多層前饋神經網絡建立貽貝行為反應的監測模型(圖5)：輸入信號(蚌殼運動情況、溫度、鹽度和濁度等)通過中間節點(貽貝個體)作用于輸出節點，經過非線性變換，產生輸出信號Y，網絡訓練的每個樣本包括輸入向量X和期望輸出量t、網絡輸出值Y與期望輸出值t之間的偏差，通過調整輸入節點與隱層節點的聯接強度取值和隱層節點與輸出節點之間的聯接強度以及閾值，使誤差沿梯度方向下降，經過反復學習訓練，確定與最小誤差相對應的網絡參數(權值和閾值)，得出訓練結果。實驗過程中，每組貽貝連續監測的時間將逐漸遞增，最終實現可以2～3 個月連續、在線的實時監測。每組貽貝實驗完成后，還將結合理化檢測測定貽貝體內的各類污染物含量，作為該模型的補充。后期及應用過程中監測的貽貝活體每2～3 個月更換一次。

圖4 海水生物毒性評價模型的技術路線Fig.4 Technical route of seawater biotoxicity evaluation model

圖5 利用遺傳算法構建的海水生物毒性評價模型Fig.5 Genetic algorithm constructed seawater biotoxicity evaluation model

4 實驗驗證

該監測系統放置于岸邊實驗水箱中進行實驗，將待測貽貝置于不同濃度各種污染物的海水環境中，進行優化實驗，統計和分析貽貝張合頻率，并通過上述模型對海水綜合毒性進行評價，實驗結果將與岸邊實驗室的生態浮標監測數據進行對比，挑選其中部分重金屬濃度梯度的實驗數據見表1。經過實驗分析，可以發現隨著污染物濃度的遞增，貽貝的活度會有相應程度的較為靈敏的變化，進而驗證了該方法的可行性——通過觀測貽貝的活度，反演海水環境的污染程度。

在后期的實驗中，定時提取海水污染物進行理化檢測(以重金屬和持久性有機污染物的含量為主)，驗證海水環境的污染程度，對該設備模型進行驗證和優化。該系統連續進行監測，每2～3 個月對貽貝進行更換，對更換下的貽貝再次進行理化檢測，為模型提供技術支持。

表1 海水生物毒性監測系統針對部分重金屬污染的實驗數據Table 1 Experimental data of partial heavy metal pollution from seawater biotoxicity monitoring system

5 結語

本文提出一種新的海洋環境監測方法，能反映海洋多種污染物對海洋生物的綜合影響，彌補了現有磁敏監測方法測量貽貝行為規律的不足，符合中國海域實際的生態狀況，有助于更加全面、客觀、及時地掌握海洋環境的動態變化特征。采用雙目立體視覺技術的海水生物毒性監測方法是一種高可靠性、高靈敏度、通用的檢測方案，尤其適用于開發小型的現場或原位監測儀器或傳感器，可以對海洋環境進行連續原位監測以及對近岸海洋環境污染預警，為海洋的保護、管理以及污染防治提供全面、可靠的依據。本文方法的實現具有良好的經濟、社會和環境效益，應用前景廣闊，能夠為保證海洋生態環境健康提供技術支撐。

[1]McKINNA L I W. Three decades of ocean-color remote-sensingTrichodesmiumspp. in the world’s oceans: A review[J]. Progress in Oceanography, 2015,131:177-199.

[2] BERTAZZON S, O'HARA P D,BARRETT O, et al. Geospatial analysis of oil discharges observed by the National Aerial Surveillance Program in the Canadian Pacific Ocean[J]. Applied Geography ,2014,52 :78-89.

[3]BOXASPEN K. A review of the biology and genetics of sea lice[J]. Ices Journal of Marine Science, 2006, 63(7):1304-1316.

[4]COOLEY S R. How human communities could ‘feel’ changing ocean biogeochemistry[J]. Current Opinion in Environmental Sustainability，2012,4(3):258-263 .

[5]雷炳莉， 黃圣彪， 王子健. 生態風險評價理論和方法[J]. 化學進展， 2009. 21(2/3)：350-358.

[6]中華人民共和國國家質量監督檢驗檢疫總局,中國國家標準化管理委員會.GB 17378—2007海洋監測規范[S].北京：中國標準出版社， 2008.

[7]穆景利, 王瑩, 王菊英. 應用淡水生物毒性數據推導海水水質基準的可行性及適用性初探[J]. 海洋環境科學, 2012,31(1): 92-96.

[8]陳宇. 水污染應急與水生生物毒性監測[J]. 污染防治技術, 2010,23(5): 79-83.

[9] FOY R H, LENNOX S D, SMITH R V. Assessing the effectiveness of regulatory controls on farm pollution using chemical and biological indices of water quality and pollution statistics[J]. Water Research, 2001, 35(8): 3004-3012.

[10] TIAN X G, JU M T, SHAO C F, et al. Developing a new grey dynamic modeling system for evaluation of biology and pollution indicators of the marine environment in coastal areas[J]. Ocean & Coastal Management, 2011, 54(10):750-759.

[11]REEBURGH W S. Oceanic methane biogeochemistry[J]. Chemical Reviews, 2007, 107(2): 486-513.

[12] de ZWART D, KRAMER K J M, JENNER H A. Practical experiences with the biological early warning system “mosselmonitor” [J]. Environment Tocicolry Water Quality，1995, 10(4): 237-247.

[13]武超, 任東華. 飲用水源地水質引入生物毒性初篩[J]. 中國資源綜合利用, 2010,28(10): 57-60.

[14] ZHAO H J, WANG Z, JIANG H Z, et al. Calibration for stereo vision system based on phase matching and bundle adjustment algorithm[J]. Optics and Lasers in Engineering, 2015, 68:203-133.

[15] CAO M, ZHANG G M, CHEN Y M. Stereo matching of light-spot image points in light pen in binocular stereo visual[J]. Optik-International Journal for Light and Electron Optics, 2014, 125(3):1366-1370.

[16] MARLOW P. Surface edges mitigate the disparity gradient constraint on binocular fusion and visual direction[J]. Vision Research, 2012, 52(1):38-46.

[17]王博, 王紅曉. 水質生物毒性預警系統建設及在海寧市飲用水源保護中的應用[J]. 環境監控與預警, 2012. 4(5)：10-13.

[18] XIANG R, JIANG H Y, YING Y B. Recognition of clustered tomatoes based on binocular stereo vision[J]. Computers and Electronics in Agriculture, 2014, 106:75-90.

[19] GIBALDI A, CANESSA A, CHESSA M, et al. How a population-based representation of binocular visual signal can intrinsically mediate autonomous learning of vergence control[J]. Procedia Computer Science, 2012, 13:212-221.

[20]劉曉利,田媛,童飛,等.雙目立體視覺的光學標定技術[J].光學儀器，2013, 35(3):11-15.

[21] BLAKE R, WILSON H. Binocular vision[J]. Vision Research， 2011,51(7):754-770.

[22]張 瓊,王志良,遲健男,等. 基于平面鏡面向雙攝像機視線追蹤系統的標定方法[J].光學學報，2011, 31(4): 0415002-1-7.

[23]HERON S, LAGES M. Screening and sampling in studies of binocular vision[J].Vision Research,2012, 62: 228-234.

[24]孫 楠,張麗艷,葉 南,等.基于十字靶標的雙目立體測量系統標定[J].光學學報，2012,32(4):0412001-1-9.

Binocular vision technology based monitoring technology of seawater biotoxicity

MA Ran, CAO Xuan,WANG Xiao-hong, ZHANG Tian-peng, ZHANG Li

(Shandong Provincial Key Laboratory of Ocean Environmental Monitoring Technology, Institute of Oceanographic Instrumentation, Shandong Academy of Sciences, Qingdao 266001, China)

∶For the issue that existing seawater biotoxicity monitoring methods are simple and cannot reflect total toxic pollution situations,we employ binocular stereo vision technology and mussels as seawater biotoxicity sensors.We further use two cameras to continuously shoot and form three-dimensional dynamic information,analyze real-time mussel open-close angle and frequency,and eventually implement seawater biotoxicity monitoring.Experimental results show that the monitoring approach has higher reliability and sensitivity,and can provide technical support for marine eco-environmental protection

∶ binocular vision technology; mussel; biotoxicity of seawater

10.3976/j.issn.1002-4026.2016.05.002

2016-04-29

山東省自然科學基金(ZR2014YL006)

馬然(1982—)，男，助理研究員，研究方向為海洋環境監測技術。Email：mr47@sohu.com

TP391.8

A