摘要: 针对传统的实验室分析水体叶绿素含量操作复杂、时间耗费长、样本破坏性强，无法满足大面积、实时的现场监测需求，本文提出了一种基于激光荧光和摄像头的水体叶绿素探测装置与方法，通过激光诱导荧光技术结合摄像头图像分析监测叶绿素浓度。分别设计了无光组和激光组对比实验，对荧光图像划分成红色、绿色、灰度和蓝色四个通道图像，计算图像的平均亮度并分析图像平均亮度与叶绿素浓度的相关性。结果表明，激光照射大大提升了图像亮度分析监测叶绿素浓度的可能性，在不同颜色通道下的叶绿素浓度与荧光图像的亮度除蓝色外均具有较强的相关性，可以选择平均误差以及标准差最低的亮度通道进行叶绿素的监测，最终实现对水体叶绿素的快速、准确、低成本监测。该方法可应用于环境监测、水资源管理和水生态研究等领域。
Abstract: Aiming at the traditional laboratory analysis of chlorophyll content in water bodies, which is complex, time-consuming, and destructive to samples and unable to meet the needs of large-scale and real-time field monitoring, this paper proposes a chlorophyll detection device and method based on laser fluorescence and camera technology. By combining laser-induced fluorescence technology with camera image analysis, chlorophyll concentration can be monitored. Comparative experiments between a non-light group and a laser group were designed. Fluorescence images were divided into four channel images: red, green, grayscale, and blue. The average brightness of the images was calculated, and the correlation between image brightness and chlorophyll concentration was analyzed. The results showed that laser irradiation significantly enhanced the potential for monitoring chlorophyll concentration through image brightness analysis. Chlorophyll concentration and fluorescence image brightness in different color channels, except for blue, showed a strong correlation. The brightness channel with the lowest average error and standard deviation can be selected for chlorophyll monitoring, ultimately achieving rapid, accurate, and low-cost monitoring of chlorophyll in water bodies. This method can be applied to environmental monitoring, water resource management, and aquatic ecological research.
1. 引言
水体中的叶绿素含量是衡量水质和水生态系统健康的重要指标[1]。传统的水体叶绿素测量方法主要依赖于实验室分析，如高效液相色谱法和光谱分析法[2]。这些方法虽然精确，但存在操作复杂、时间耗费长、样本破坏性强等缺点，不适用于大面积、实时的现场监测。
近年来，非破坏性的水体叶绿素检测方法逐渐受到关注，其中激光诱导荧光(LIF, Laser-Induced Fluorescence)技术[3]因其灵敏度高、选择性强、能够实现实时检测等优势，成为研究的热点。LIF技术利用激光作为激发光源，使水体中的叶绿素分子激发荧光，通过测量荧光强度和波长分布，能够推断叶绿素含量[4]。现有的激光荧光水体叶绿素探测装置大多采用分光计、荧光光谱仪或便携光学传感器进行荧光信号的采集和分析[5]，这些设备通常价格昂贵、操作复杂、响应时间较长、监测范围局限。而摄像技术能够通过拍摄水下藻类荧光图像获取大范围的水体叶绿素信息，特别是随着高分辨率摄像头和图像处理算法的进步，可以快速、准确、直观地监测藻类荧光图像的叶绿素分布以及含量。
2. 基于激光荧光和摄像头的水体叶绿素探测装置设计
2.1. 系统检测原理
该系统利用激光器作为激发光源，叶绿素a吸入440 nm波长的紫光的能量后，会产生680 nm的红光[6]，通过普通彩色摄像头捕捉水体的荧光图像，RGB颜色通道图像的亮度与叶绿素浓度成正相关[7]-[9]，通过测量图像亮度可以快速、准确地测量叶绿素含量，同时图像不同区域的图像亮度差异可以直观反映叶绿素的分布情况。
2.2. 系统搭建
基于激光荧光和摄像头的水体叶绿素探测装置，如图1所示，包括激光器4、摄像头5、钣金支架3、浮子1、2和终端。浮子固定于钣金支架向上一侧的两端，用于漂浮整个探测装置。激光器与摄像头分别固定于钣金支架向下一侧的两端。终端分别与激光器和摄像头连接，用于控制激光器的开启关闭和接收摄像头录制的荧光图像视频。根据算法计算荧光图像RGB颜色通道亮度信息及根据荧光亮度分布信息确定不同区域的叶绿素浓度[10] [11]。
Figure 1. System device diagram
图1. 系统装置图
2.3. 系统的关键组件
1) 激光器：采用GH04C05Y9G激光管作为激光光源，发射的中心波长为440 nm的紫光，使用12 V恒流供电。激光器的镜头为增束镜头，用于优化激光器的光束质量，增加激光传输的范围。系统开始部署前应将激光器调试，确保激发光源提供稳定光强的440 nm紫光。
2) 摄像头：采用哈克思特HK90AP4M水下彩色摄像头，分辨率像素为2560 × 1440，视频录制帧率为30 Hz，并配有荧光滤光片，确保接收的荧光为680 nm的红光。
3) 终端：采用搭载Windows 10操作系统的计算机为终端，通过网络协议控制激光器和摄像头，接收并处理摄像头录制的荧光图像视频，并根据自研算法计算荧光图像的RGB颜色通道亮度信息，最终确定水体中的叶绿素浓度与分布。
2.4. 系统的监测流程
1) 装置部署：将探测装置置入河流或湖泊表面，开启激光器和摄像头，收集水下藻类荧光图像。确保激光器和摄像头的相对距离调整适当，钣金支架保持平衡。
2) 图像采集：摄像头拍摄荧光图像视频，终端接收并处理这些图像视频，通过算法计算荧光图像的RGB颜色通道亮度信息[11]。
3) 图像处理：对收集的藻类荧光图像进行RGB颜色通道提取，使用OpenCV库中的颜色通道算法分解为红(R)、绿(G)、蓝(B)等颜色通道。
4) 亮度分析：对提取的藻类荧光RGB颜色通道图像进行图像亮度分析，以图像通道的平均亮度作为当前的亮度或以图像按照设定像素面积依次截取并计算平均亮度。
5) 浓度计算：将图像亮度与预先标定的图像亮度–叶绿素浓度的关系模型对比，反演出当前水体的叶绿素浓度以及分布。关系模型选择的是多项式回归模型，公式如下：
；
其中，Y是多项式回归模型的预测结果，a0、a1、a2……an − 1、an为多项式的相关系数，x为荧光图像的亮度，n为多项式回归模型的阶数。
其中，阶数n由评估模型均方根误差和相对误差决定。
综上所述，本系统的监测流程首先需要装置部署并将装置调试为最优状态，开启装置进行图像采集，进一步地将采集的图像进行颜色通道处理并亮度分析，得出亮度信息与标定过的模型进行对比，反演计算得出当前水体的叶绿素浓度。系统的监测流程如图2所示。
Figure 2. Monitoring flowchart of the system
图2. 系统的监测流程图
3. 结果与分析
3.1. 有无激光照射荧光图
如图3所示，分别为本试验标定时不同浓度的RGB各颜色通道的荧光图像变化图、有无激光照射对比图。
无激光照射 激光照射
无激光红色通道 激光红色通道
无激光绿色通道 激光绿色通道
无激光灰度通道 激光灰度通道
无激光蓝色通道 激光蓝色通道
Figure 3. Fluorescence image changes at different concentrations
图3. 不同浓度荧光图像变化图
由图3可见，无光对照组的图像随浓度增加变化并不明显，而激光组的荧光图像随浓度增加图像逐渐饱和。通过RGB颜色通道分析，无光组各颜色通道下的图像随浓度增加同样无明显变化，激光组只有蓝色通道下图像随浓度变化不明显，其他通道随浓度增加图像逐渐饱和，且由于叶绿素a吸收440 nm紫光后释放出680 nm的红光，红色通道饱和得更加明显。故通过引入激光激发荧光亮度效果良好。
3.2. 荧光图像亮度与叶绿素浓度的关系
图4给出了本试验标定时不同浓度的RGB各颜色通道的荧光图像亮度与叶绿素浓度的关系模型曲线。
Figure 4. Comparison diagrams of relationship models
图4. 关系模型对比图
由图4可见，无激光对照组的各颜色通道亮度–浓度模型变化不规律，而有激光照射组除蓝色通道外，其余红色、绿色、灰度通道的亮度都与浓度成正相关，在荧光亮度上红色通道大于灰度通道大于绿色通道。应对比各颜色通道模型的平均误差和标准差，进一步选择合适的颜色通道模型进行叶绿素浓度反演[12]。
3.3. 激光组各颜色通道下模型的标准差和平均误差
表1给出了本试验标定时激光组各颜色通道亮度–浓度模型的标准差和平均误差。
Table 1. Evaluation data for each color channel of the laser group
表1. 激光组各颜色通道评估数据
| 颜色通道 |
试验组 |
标准差 |
平均误差 |
| 红色 |
激光组 |
0.649 |
0.512 |
| 绿色 |
激光组 |
0.839 |
0.668 |
| 灰度 |
激光组 |
0.602 |
0.492 |
由表1可见，本试验此次标定的灰度通道下图像亮度–浓度模型的标准差和平均误差最低，颜色通道的选择可以根据叶绿素溶液在不同的监测环境下对比标准差和平均误差进行选择。
4. 结论
本文通过实验验证确定了基于激光荧光RGB图像分析的叶绿素浓度监测的方法能够准确测量水体中的叶绿素浓度，并且给出了荧光图像RGB颜色通道分析法，荧光图像直观地反映了叶绿素的分布情况。试验结果表明，激光诱导的荧光强度与叶绿素浓度除蓝色通道外其余通道均成正相关，特别是在红色通道的荧光图像随浓度增加饱和变化最为明显。但对其各颜色通道关系模型进行评估时，本文标定环境下灰度通道的标准差和平均误差均最低。总之，该方法通过激光器和普通彩色摄像头结合算法分析，实现了叶绿素的快速、准确、低成本监测，且装置具有结构简单、操作简易、成本低、监测范围广、实时性强等优点，能够广泛应用于环境监测、水资源管理和水生态研究等领域。
基金项目
上海市2020年度“科技创新行动计划”(20dz1206400)；国家重点研发计划(2023YFD401304)。
NOTES
*通讯作者。