中文摘要：

快速获取产油微藻生长品质信息，是进行产油微藻生产过程控制的基础，是实现产油微藻高效、低成本自动化生产管理的关键。常规获取产油微藻生长品质信息的方法需要离心干燥，存在耗时费力，易污染微藻，不能大规模获取信息等缺点，无法满足快速信息获取的需要。本项目通过高光谱-成像技术，以球等鞭金藻、小球藻和葡萄藻为研究对象，测定在标准培养液及不同养分胁迫下的不同生长反应器中藻液的高光谱-图像信息，结合多种化学计量学和图像处理算法，进行数据挖掘和多信息融合分析，去除微藻生长系统中影响信息采集的背景、噪声、水波、阴影和光线等干扰因素，寻找最优指纹波段，建立能快速准确获取微藻生长品质信息的定量关系模型，探究高光谱-成像技术能够快速获取产油微藻生长品质信息的机理，实现产油微藻生长过程中含油率、干物质重和叶绿素含量等品质信息的快速获取。项目研究成果将为产油微藻数字化生产提供信息支持，推动我国新能源- - 微藻产油的发展。

结论摘要：

快速获取产油微藻生长品质信息，是进行产油微藻生产过程控制的基础，是实现产油微藻高效、低成本自动化生产管理的关键。常规获取产油微藻生长品质信息的方法需要离心干燥，存在耗时费力，易污染微藻，不能大规模获取信息等缺点，无法满足快速信息获取的需要。本项目应用高光谱-成像等技术，获取了微藻在不同培养环境下的高光谱-图像信息，研究了高光谱和高光谱图像间的耦合关系，并进行数据挖掘和融合，建立了不同光源微藻培养系统和不同信息采集模式（含透射、反射、反应器外部和透反射四种模式）下微藻生长品质信息的高光谱-图像快速获取模型。发现透射光谱测量法和透反射光谱测量法的检测能力要优于反射光谱测量法和反应器外部光谱测量法；基于光谱技术的干物质重、油脂单位体积含量和油脂单位质量含量最优模型的预测集确定系数R2分别达到0.9836，0.9777和0.9487；光谱特征变量模型平均变量个数为9.41个，和全波段模型相比有99.62%的变量被去除，而模型R2平均值仅下降4.19%；12个光谱模型中有8个模型的UVE-SPA特征变量选择结果要优于直接进行SPA计算，说明UVE可以有效提高SPA对光谱特征变量提取的效率。确定了能够反映微藻生长品质信息的高光谱指纹波段，提取了高光谱图像目标区域反映微藻生长品质信息的特征变量，研究了微藻在培养环境胁迫下的生长品质信息动态变化规律，揭示了不同培养环境下微藻生长品质信息与特征高光谱图像信息间的相关关系。研究发现基于高光谱成像技术的干物质重、叶绿素单位体积含量、叶绿素单位质量含量、叶绿素a单位体积含量、叶绿素a单位质量含量、叶绿素b单位体积含量、叶绿素b单位质量含量最优模型的R2分别达到0.9891、0.9882、0.9242、0.9895、0.9444、0.9780和0.9282；高光谱图像特征变量模型平均变量个数减少到了7.43个（99.7%的变量被去除），而R2平均值则达到0.9550（全波段模型为0.9573）；7个高光谱光谱图像模型中有5个的特征变量最优提取算法为UVE-SPA。说明UVE可以有效提高SPA对高光谱光谱图像信息特征变量提取的效率；基于高光谱图像，获得了微藻生命信息的藻液分布图。结果表明高光谱成像技术在微藻生命信息获取能力上要明显优于RGB图像。项目研究成果将为产油微藻数字化生产提供信息支持，推动我国新能源——微藻产油的发展。