用于藻華檢測的低成本傳感器系統(tǒng)。圖片來源：韓國土木工程與建筑技術(shù)研究院（Korea Institute of Civil Engineering and Building Technology）

韓國土木工程與建筑技術(shù)研究院（KICT）成功開發(fā)了一種實時、低成本的藻華監(jiān)測系統(tǒng)，該系統(tǒng)利用廉價的光學傳感器和新型標記邏輯，其準確性超過了梯度提升（Gradient Boosting）和隨機森林（Random Forest）等先進 AI 模型。相關(guān)研究成果發(fā)表于《環(huán)境監(jiān)測與評估》（Environmental Monitoring and Assessment）雜志。

有害藻華（HABs）對水質(zhì)、公共健康和水生生態(tài)系統(tǒng)構(gòu)成重大威脅。傳統(tǒng)檢測方法如衛(wèi)星成像和無人機遙感成本高昂，且不適合野外連續(xù)作業(yè)。

為解決這一問題，KICT 環(huán)境研究部的李在葉（Jai-Yeop Lee）博士團隊開發(fā)了一種緊湊的傳感器探頭，將環(huán)境光和陽光傳感器集成到基于微控制器的平臺中。該設(shè)備根據(jù)勒克斯（lx）、紫外線（UV）、可見光（VIS）和紅外線（IR）四個傳感器變量的實時讀數(shù)，將水面狀況分為 “藻類”“晴天”“陰影” 和 “水體” 四類標簽。

研究團隊使用支持向量機（SVM）分類器對傳感器數(shù)據(jù)進行標記，以四個輸入變量實現(xiàn)了 92.6% 的準確率。為進一步提升性能，他們構(gòu)建了基于順序邏輯的分類算法，通過解讀 SVM 邊界條件，將準確率提升至 95.1%。

按建議的 logic sequence 的預(yù)測準確率圖。圖片來源：韓國土木工程與建筑技術(shù)研究院

預(yù)測準確率對比

當應(yīng)用 PCA（主成分分析）進行降維，然后進行 SVM 分類時，準確率達到 91.0%。然而，在 PCA 轉(zhuǎn)換的 SVM 邊界上應(yīng)用邏輯排序?qū)崿F(xiàn)了 100% 的預(yù)測準確率，優(yōu)于隨機森林和梯度提升模型，后者達到了 99.2%。這種方法表明，簡單性和邏輯性可以勝過復(fù)雜性，尤其是在受限環(huán)境中。

數(shù)據(jù)顯示，對 PCA 降維后的 SVM 邊界應(yīng)用邏輯序列時，預(yù)測準確率達到100%，超越了隨機森林和梯度提升模型（均為 99.2%）。這表明，在受限環(huán)境中，簡單邏輯模型可能比復(fù)雜算法更具優(yōu)勢。

李博士指出：“基于邏輯的框架表現(xiàn)出卓越的魯棒性和可解釋性，尤其適合在嵌入式系統(tǒng)中實時部署。在小樣本場景下，其性能優(yōu)于集成樹方法，是野外微控制器（MCU）環(huán)境的理想選擇。”

該系統(tǒng)還通過多元線性回歸（MLR）模型量化葉綠素 - a（Chl-a）濃度（有害藻華的關(guān)鍵指標）�；�于相同的四個傳感器輸入，該模型對 Chl-a 濃度高于 5 mg/L 的情況誤差率為 14.3%，證明其適用于實際野外監(jiān)測。與復(fù)雜的非線性模型不同，MLR 模型可在低功耗設(shè)備上高效運行，且易于解釋和維護。

這項研究標志著經(jīng)濟實惠的水質(zhì)監(jiān)測技術(shù)取得重大進展。通過結(jié)合低成本物聯(lián)網(wǎng)傳感器技術(shù)和高效的邏輯建模，該系統(tǒng)無需昂貴硬件或大量訓(xùn)練數(shù)據(jù)即可實現(xiàn)藻華實時檢測，為資源有限的地區(qū)提供了可擴展的解決方案。

更多信息：Jai-yeop Lee，《基于低成本傳感器的藻華標記：支持向量機與邏輯方法的對比研究》，《環(huán)境監(jiān)測與評估》（2025）。DOI：10.1007/s10661-025-13815-y

期刊信息：《環(huán)境監(jiān)測與評估》

來源：韓國科學技術(shù)研究院