基于双目视觉技术的海水生物毒性监测方法研究

马然，曹煊，王小红，张天鹏，张丽

(山东省科学院海洋仪器仪表研究所，山东省海洋环境监测技术重点实验室，山东 青岛 266100)



【海洋科技与装备】

基于双目视觉技术的海水生物毒性监测方法研究

马然，曹煊，王小红，张天鹏，张丽

(山东省科学院海洋仪器仪表研究所，山东省海洋环境监测技术重点实验室，山东 青岛 266100)

针对现有海水生物毒性监测方法单一，不能反映全部毒性污染状况的问题，采用双目立体视觉技术，选择贻贝作为海水生物毒性传感器，利用双摄像机不间断拍摄形成三维动态信息，实时分析贻贝的开合角度及频率，最终实现海水生物毒性监测。实验结果表明，本文提出的监测方法可靠性、灵敏度高，能够为海洋生态环境保护提供技术支撑。

双目视觉技术；贻贝；海水生物毒性

随着现代工业的发展，大量有毒有害物质被直接排放到水中流入大海，对海洋环境及其生态系统造成很大的危害。而海洋环境中污染成分复杂，多种分子和离子之间同时参与各种作用(如协同、拮抗和相加作用等)，同时污染物的毒性还受到环境因素如盐度、酸碱度和水温等影响，使生态毒性效应产生许多超出常规的反应[1-2]。这些化学品进入环境后会经历降解、转化与结合等一系列化学反应过程，产生一大批新的化合物。因此，单纯的化学检测并不能保证水质安全。

判断海洋环境的毒性，最有效的方法就是使用海洋生物本身来进行验证，这就是海水生物毒性监测[3]。生物毒性监测方法具有较高的灵敏度，一些低浓度甚至痕量的污染物进入环境后，在能够直接检测或人类感受到之前，生物即可做出迅速的反应并显示出症状，可以在早期发现污染，及时预报预警，提升环境监管水平，增强环境安全保障能力[4]。目前，我国海洋环境指标中普遍缺乏中长期的海水生物毒性监测项目。部分污染物，尤其是持久性有机污染物在水中溶解度较小，但这些污染物具有致癌、致畸等毒害性，低剂量长期摄入会对人类健康具有潜在的威胁，因此对海洋环境进行生物毒性监测迫在眉睫[5-6]。本文采用双目立体视觉技术，选择贻贝作为海水生物毒性传感器，实现海水生物毒性监测。

1 海水生物毒性监测方法

1.1 研究现状与存在问题

利用生物毒性监测方法进行海水生物毒性的监测和评价，是环境监测未来发展的趋势和监测研究的重点方向，也是管理和保护海洋生态系统的必要前提。在利用生物监测技术进行的海水生物毒性监测方法中，目前比较常用的监测对象包括藻类、发光细菌、鱼类和贝类等。其中应用较为普及的是发光细菌检测法，利用发光细菌的相对发光强度进行检测，发光细菌在正常的生理条件下能发出蓝绿色可见光，在一定的实验条件下光强是恒定的。与有毒物质接触后，由于毒物具有抑制发光的作用，发光细菌的发光强度即有所改变，变化的程度与毒物的浓度在一定范围内具有相关性，同时与该物质的毒性大小也有关[7]。近年来，国际上针对贝类生物的研究越来越多。贝类生物种类丰富、活动性极小，针对环境的适应性较强，对多种污染物具有富集特征，而且检测成本较发光细菌检测法低[8-9]。经研究发现，正常情况下贝类都处于半张壳状态, 通过滤水来吸取氧和养料；当环境发生变化时, 如污染物的存在, 其外壳就会闭合以抵御外来物质。污染物浓度越高，扩散速度越快，蚌壳的闭合速度也越快。因此, 可通过贝类蚌壳的开合变化来监测环境状况[10-11]。贝类生物监测已经被广泛应用于评价重金属污染及其通过食物网对生物地球化学循环造成的影响。欧洲莱茵河上的“莱茵预警模型”中就设置了6个国际预警中心，其中就有以贝类生物作为监测对象而建立的水体生物毒性监测预警系统。荷兰的预警水质状况的综合生物毒性在线监测设备Mosselemonitor仪器也是利用贻贝蚌壳张合频率随着水体污染状况变化而变化的原理制备，可以对水体污染进行实时、在线的连续监测和预报预警，已成功应用于河流及近海环境的污染监测中[12]。乌克兰国家科学院海洋水文物理研究所基于黑海中贻贝类生物的行为反应连续监测7年，应用相应的算法和软件技术，研制出自动化生物监测仪。该生物监测仪所采用的是根据霍尔效应的磁敏元件监测方法，即将贻贝通过自身生长的足丝固定在附着基的衬底上，贝壳双面用硅橡胶粘合剂粘上磁感应线圈。随着两个线圈之间距离的变化，磁场的大小会发生变化，所产生的电势随着蚌壳的张合也将发生变化[13]。

我国海水生物毒性监测方法的相关研究起步较晚，缺少相应的预警技术与产品。20世纪90年代，国家海洋环境监测中心曾应用磁敏元件监测贻贝活性的方法进行过水质污染检测的相关研究，但并没有形成体系化的生物毒性监测方法。目前，国内大多数海水生物毒性监测使用的是成本较高的发光菌生物综合毒性在线监测仪，发光菌的保存和活化条件非常苛刻，在线监测的运行成本较高[14]，且不能反应某些神经性毒性污染物，不利于大范围推广使用。2009年初，珠海启动国家“863计划”重大项目“分散型水源地突发污染控制与饮用水安全保障技术开发及示范”，研究过程中引入荷兰Mosselemonitor，以珠海流域常见的双壳贝类黄沙蚬为监测生物，建立生物毒性监测预警系统，应用于珠海饮用水安全监测中。该设备领先于全国其他生物综合毒性在线监测仪，且监测成本较低。

监测贻贝蚌壳的开合距离以及开合速度，需要通过快速、精确的测量才能得出，因此测量方法的精准性、可靠性非常重要。本课题组前期研究采用磁敏元件监测方法测量一组贻贝的行为反应规律，通过初步的实验分析发现这种传统方法存在两种弊端：

(1)传感元件对生物本体的影响。贝壳表面的粘合胶以及霍尔传感器的磁感应线圈会对贻贝的生物活性有一定影响，一定程度上破坏了贻贝本身的生活状态，无法准确反映水质毒性，稳定性较差。

(2)传感元件的监测精度差。因固定位置的不确定以及霍尔元件易受磁场干扰精度不高，导致实际测量精度≥±0.5 mm，而一般个体贻贝蚌壳最大张开距离不超过8 mm，误差率高达±6.25%，这种误差级别无法实现精细化测量水体不同浓度、不同种类的毒性，易发生误报、漏报等现象，系统灵敏度较低。

1.2 基于双目立体视觉技术的海水生物毒性监测方法

针对现有海水生物毒性监测方法存在的问题，本课题组提出一种新的研究思路——研究更为精准有效的双目立体视觉监测方法监测贻贝的活动规律，以此提高海水生物毒性监测方法的测量灵敏度，实现对水体毒性的精确测量[15-16]。双目立体视觉技术是建立在对人类视觉系统研究的基础上，通过双摄像机采集的两张不同角度的图像，获取场景目标的三维信息，其结果表现为深度图，再经过进一步处理得到三维空间中的特征点，实现二维图像到三维空间的重构[17-19]。双目立体视觉监测方法获取深度信息的方法比其他观测方法更为直接，由于双目立体视觉监测方式是被动方式的，因而较主动方式(如程距法)适用面宽，这是它的突出特点，适合针对大批量对象的观测[20-22]。鉴于此，需要研究一种专门监测贻贝蚌壳开合规律的水下双目立体视觉监测方法，解决现有监测体系可靠性差、精度低等问题。本项目拟选取20只健康贻贝活体作为一组监测对象，通过其自身生长的足丝附着固定在水下观测槽中，利用两台高清摄像机经过水密改造进行连续拍摄，观测贻贝蚌壳的运动规律，进而构建一套水下双目立体视觉监测平台。而水下视觉观测的难点在于如何在海流扰动和浊度噪声中实现准确、实时地测量贻贝蚌壳的运动规律。

针对复杂的水下图像噪声问题有很多滤波解决方案，但大部分滤波算法在处理原始信号和干扰信号的混杂信号时对原始信号会造成图像边缘损失[23]。根据统计理论研究表明，由于噪声和干扰等综合因素产生的异常数据无法避免，即使是高质量的原始采样数据也存在5%～10%的数据为异常数据[24]。现有基于统计方法和滤波技术等的异常数据检测方法无法完全过滤掉测量信号中的异常数据，而且有些滤波算法在处理异常数据的同时也会令信号产生畸变。因此对采样图像中异常值进行有效的识别与剔除，保证数据的准确性，是值得深入研究的问题。

针对双目视觉测量的实时性问题，采样图像的立体匹配速度是双目立体视觉技术中最关键、最困难的问题，一直是该领域研究的焦点。立体匹配算法的目的就是找出两幅图像对应的匹配点，进而获得距离信息。目前，还没有一种方法能够快速、完美地解决图像对应点匹配问题。因此，如何实现图像间快速、准确的匹配，对海水生物毒性监测方法的研究具有重要意义。

2 海水生物毒性监测系统的设计

2.1 基于双目立体视觉技术的海水生物毒性监测系统的总体设计

本文使用双目立体视觉监测、实验数据统计分析等研究方法，对针对贻贝行为反应的海水生物毒性监测系统进行硬件与软件相结合的深入研究，总体研究方法框架如图1所示。监测系统的硬件设计包含2个水下摄像头+视觉信号处理电路组成的双目视觉监测平台以及一个多层的贻贝活性观测槽，可根据检测毒性种类的变化以及检测浓度范围的变化调整观测槽的数量和视觉检测区的间距。监测系统的算法研究包含双目视觉图像处理方法(水下折射补偿算法、三维立体匹配算法、小波变换处理算法等)和多层前馈神经网络算法。

2.2 双目立体视觉监测系统关键技术的研究

2.2.1 双目立体视觉监测系统的硬件结构框架

本课题中的监测系统采用双目视觉监测平台，包含以下3部分：双目摄像机组、贻贝活性观测体系和视觉信号处理运算电路，结构框架如图2所示。其中，双目摄像机组由两台水下高清摄像机以固定角度组装而成，贻贝活性观测体系由贻贝观测槽以及做好标记点的贻贝活体组成，两个部分的直线间距在200 mm～500 mm范围内可调节。将一组(20只)贻贝依靠其自身生长的足丝固定在有机玻璃制作的观测槽衬底上, 在贝壳上下表面各做一个标记点,通过固定的双目视觉监测平台观察标记点的相对位移，并将3D图像数据记录在上位机电脑中。该监测平台将可以同时对20只以内的贻贝进行张合状况监测，每50 ms可以传回一张图像特征，通过前后图像的特征点变化对比分析，得出贻贝蚌壳的运动规律，将进行实验的每组贻贝张合频率在计算机端统计分析转化为一组数字信号。

图1 总体研究方法Fig.1 Overall research method

图2 双目立体视觉监测平台结构框架图Fig.2 Framework of binocular stereo visual monitoring platform

2.2.2 监测对象的培养与筛选

处于不同成长期的贻贝对于水体污染的响应程度不同，为减小个体差异，选择最为灵敏的贻贝个体作为监测对象，首先要对监测对象进行选择。本次实验所用贻贝均由胶州湾养殖区提供，按照个体大小分为大、中、小3组，每组10个样品。大、中、小个体组评价壳长分别12±0.5 cm、9±0.3 cm、7.5±0.2 cm。将3组贻贝同时放入相同的水体环境中，向水体添加从低浓度到高浓度的污染物(石油类污染物、重金属污染和有机磷农药)，记录3组贻贝的行为反应，选择反应最为灵敏一组贻贝作为监测对象，以下实验过程中所选的监测对象均参照本次实验结果选择，每次实验选择个体相似的贻贝活体20只作为监测对象。

2.2.3 水下双目视觉监测的算法研究

双目视觉测量方法的核心是利用标记点在左右两幅视图上成像的横向坐标直接存在的差异(视差)与目标点到成像平面的距离关系，测算得出空间点的位置。研究的主要内容包括三维标定方法、水下折射补偿算法、图像特征提取算法、目标立体匹配算法和三维重建算法等，双目立体视觉监测方法如图3所示。

图3 双目立体视觉监测方法示意图Fig.3 Illustration of binocular stereo vision monitoring method

3 海水生物毒性评价模型的研究

目前国内尚无海水水质毒性的评价标准，结合近年来海水和污染源监测情况以及地表水环境质量标准，将水质毒性划分为4 个等级标准(无毒、低毒、中毒、严重污染)用于水质毒性评价，水质毒性分级标准依据国内外发光细菌急性毒性实验作为对照。

使用准备阶段培养筛选得到的贻贝活体，在实验室模拟海洋环境的流水条件下进行统计实验，将贻贝分为监测组和对比组两组，其中每组实验选择20 只贻贝活体作为监测对象。首先，将监测组放入最接近海水普遍情况的模拟海水环境的实验槽中，定义为正常状态下贻贝响应，进行连续的监测和统计分析。其次进行对比组实验，将监测组贻贝放置于正常状态下，而另一组作为对比组，向其所处水体环境中加入不同浓度的单一或混合污染物，污染物主要选择常见的油类污染、重金属(Cd2+、Pd2+、Hg2+、Zn2+)类污染及有机磷化合物污染。水体环境的毒性标准通过发光细菌急性毒性实验定义，同时记录不同毒性状态下贻贝蚌壳张合的距离和时间变化，进行统计和分析(图4)。

根据实验过程中污染物的类别和含量，将所模拟的海水状况根据综合毒性分级(水质下降等级、恶化程度)，分析统计对应贻贝的张合状况，研究一种按误差逆传播算法训练的多层前馈神经网络建立贻贝行为反应的监测模型(图5)：输入信号(蚌壳运动情况、温度、盐度和浊度等)通过中间节点(贻贝个体)作用于输出节点，经过非线性变换，产生输出信号Y，网络训练的每个样本包括输入向量X和期望输出量t、网络输出值Y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的联接强度取值和隐层节点与输出节点之间的联接强度以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数(权值和阈值)，得出训练结果。实验过程中，每组贻贝连续监测的时间将逐渐递增，最终实现可以2～3 个月连续、在线的实时监测。每组贻贝实验完成后，还将结合理化检测测定贻贝体内的各类污染物含量，作为该模型的补充。后期及应用过程中监测的贻贝活体每2～3 个月更换一次。

图4 海水生物毒性评价模型的技术路线Fig.4 Technical route of seawater biotoxicity evaluation model

图5 利用遗传算法构建的海水生物毒性评价模型Fig.5 Genetic algorithm constructed seawater biotoxicity evaluation model

4 实验验证

该监测系统放置于岸边实验水箱中进行实验，将待测贻贝置于不同浓度各种污染物的海水环境中，进行优化实验，统计和分析贻贝张合频率，并通过上述模型对海水综合毒性进行评价，实验结果将与岸边实验室的生态浮标监测数据进行对比，挑选其中部分重金属浓度梯度的实验数据见表1。经过实验分析，可以发现随着污染物浓度的递增，贻贝的活度会有相应程度的较为灵敏的变化，进而验证了该方法的可行性——通过观测贻贝的活度，反演海水环境的污染程度。

在后期的实验中，定时提取海水污染物进行理化检测(以重金属和持久性有机污染物的含量为主)，验证海水环境的污染程度，对该设备模型进行验证和优化。该系统连续进行监测，每2～3 个月对贻贝进行更换，对更换下的贻贝再次进行理化检测，为模型提供技术支持。

表1 海水生物毒性监测系统针对部分重金属污染的实验数据Table 1 Experimental data of partial heavy metal pollution from seawater biotoxicity monitoring system

5 结语

本文提出一种新的海洋环境监测方法，能反映海洋多种污染物对海洋生物的综合影响，弥补了现有磁敏监测方法测量贻贝行为规律的不足，符合中国海域实际的生态状况，有助于更加全面、客观、及时地掌握海洋环境的动态变化特征。采用双目立体视觉技术的海水生物毒性监测方法是一种高可靠性、高灵敏度、通用的检测方案，尤其适用于开发小型的现场或原位监测仪器或传感器，可以对海洋环境进行连续原位监测以及对近岸海洋环境污染预警，为海洋的保护、管理以及污染防治提供全面、可靠的依据。本文方法的实现具有良好的经济、社会和环境效益，应用前景广阔，能够为保证海洋生态环境健康提供技术支撑。

[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， 黄圣彪， 王子健. 生态风险评价理论和方法[J]. 化学进展， 2009. 21(2/3)：350-358.

[6]中华人民共和国国家质量监督检验检疫总局,中国国家标准化管理委员会.GB 17378—2007海洋监测规范[S].北京：中国标准出版社， 2008.

[7]穆景利, 王莹, 王菊英. 应用淡水生物毒性数据推导海水水质基准的可行性及适用性初探[J]. 海洋环境科学, 2012,31(1): 92-96.

[8]陈宇. 水污染应急与水生生物毒性监测[J]. 污染防治技术, 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, 任东华. 饮用水源地水质引入生物毒性初筛[J]. 中国资源综合利用, 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, 王红晓. 水质生物毒性预警系统建设及在海宁市饮用水源保护中的应用[J]. 环境监控与预警, 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]刘晓利,田媛,童飞,等.双目立体视觉的光学标定技术[J].光学仪器，2013, 35(3):11-15.

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

[22]张 琼,王志良,迟健男,等. 基于平面镜面向双摄像机视线追踪系统的标定方法[J].光学学报，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]孙 楠,张丽艳,叶 南,等.基于十字靶标的双目立体测量系统标定[J].光学学报，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

山东省自然科学基金(ZR2014YL006)

马然(1982—)，男，助理研究员，研究方向为海洋环境监测技术。Email：mr47@sohu.com

TP391.8

A