从单藻计数到生态诊断：AOMS如何为原水风险提前“吹哨”

Part.1

全球藻华扩张态势与饮用水治理压力

近20年来，全球藻华影响总面积达3147万平方公里，年均暴发频次达4.3次，聚焦粤港澳大湾区，赤潮、藻类暴发频率以年均2.3%的速率持续攀升。藻华治理周期通常为4～12周，且彻底消除影响需多轮干预，在治理成本方面，我国藻华灾害每年造成经济损失达千亿元。

藻类暴发不仅严重影响水体生态安全，还会引发诸多水厂生产运行问题。在水厂工艺方面，高藻水体易造成絮凝效果下降、pH值波动，增加工艺控制难度和运营成本。硅藻暴发易堵塞滤池，造成滤料板结，过滤效果变差，影响水厂生产和出水质量。个别蓝藻会导致嗅味物质（如2-MIB）含量超标，降低饮用水感观品质。此外，部分藻类及其代谢产物会进入供水管网，成为微生物生长的载体，加剧管道中细菌和生物膜的形成，最终影响“饮用水”品质安全。

Part.2

藻类监测产品设计的需求洞察

藻华形成的机理复杂，藻类繁殖受到营养物质、光照、温度等多重环境因子的影响，关键环节参数难以实现同步、连续的监测。采集数据的准确性方面，也面临一系列问题，首先，测量不确定性贯穿于从样品采集到分析的各个环节，影响输入数据质量。其次，不同的监测手段各自存在固有误差：人工镜检费时费力且无法连续覆盖；卫星遥感则受限于空间分辨率和大气干扰。传统监测体系在时效性与覆盖度上的双重制约，成为藻华动态监测与早期预警的瓶颈。

注：表格为近年来主流藻类监测技术手段

Part.3

AOMS：从成像到报警一站式管控

在此背景下，藻类在线监测仪（AOMS）应运而生，为海洋、湖泊及水库等水域的原位在线监测提供了可行技术。AOMS拥有包括设备部署、数据采集、智能分析和数据展示四个部分，融合水下高清成像与深度学习算法可实现全天候实时在线高频监测，监测数据保留生物信息的敏感性及完整性。

设备部署&数据采集

AOMS支持“浮标定点+自动巡航”双模式部署，搭载水下高速高清图像采集器，通过双远心光学镜头与脉冲同步驱动技术，在60 NTU高浊度、50米水深条件下，精准捕捉5μm–1mm浮游生物的原位动态。

同时，AOMS采用模块化设计，搭载的气象站模块及水质监测模块可精准捕捉气象信息及水质参数，机体采用防生物附着镀层，保障设备在7×24小时持续输出稳定清晰的生态图像，为后续AI智能识别提供高质量数据基底。

智能分析&数据展示

AOMS的软件部分包含三大核心组件：

图像采集客户端——直接驱动水下采集器,实现硬件参数调节与实时成像;

智能识别系统——基于AI图像模型对图像实时同步分析，自动输出藻类分类统计结果;

藻类在线监测平台——集成观测、分析、可视化及灾害预警的一站式管理界面。

支持分布式独立运行，用户可灵活调用任一模块满足特定需求，也可启动全链路协同实现闭环监测。

目前，深圳铁岗水库、清林径水库、东湖水厂以及贵阳、安徽等地均已部署AOMS，提升了藻华暴发的预警能力，为水厂工艺调控提供了关键数据支持，显著优化药剂投加策略，降低运行成本，保障饮用水安全。

（更多产品信息，请垂询获取，期待与更多伙伴携手。）

附录：

产品参数信息

功能参数

▪ 监测功能：对5μm到1mm 尺寸的浮游生物（浮游动物、浮游植物、鱼苗、鱼卵等）清晰成像

▪ 基本操作：可通过客户端成像仪软件进行设备的参数配置及数据采集（图像采集、光源调整、雨刮控制等）

▪ 识别功能：可通过客户端识别软件对原位图像中的浮游生物进行自动识别、统计计数

▪ 报警功能：可通过客户端监控平台实现目标致灾物种暴发报警及设备故障提示

▪ 拓展能力：设备端预留端口，可接入水下摄像头；客户端软件具备浮游生物特征库，可对其进行更新，从而不断提升识别能力

▪ 浊度适应能力：在浑浊度高达60NTU时依然能清晰成像，适用于不同浑浊度的水域环境

▪ 长期布放能力：具备防污镀层，防腐蚀防生物附着，可在水下长期定点布放

▪ 存储能力：可存储3-6个月原位图像及其对应识别结果

▪ 淡水环境运维周期：3-6个月

性能参数

▪ 像素分辨率0.7μm，最小可检测粒径5μm，最大可检测粒径1mm

▪ 单帧样品体积 0.9μL

▪ 光机同步误差不大于1μs

▪ 图片存储量≥250000 frame

▪ 图像平均处理速度100ms/frame

▪ 最大工作水深不小于50米

▪ 自动分类识别，准确率≥80%

▪ 可识别水华、赤潮等多类致灾生物

▪ 支持接入赤潮、2-MIB智能预测系统

参考文献

Anderson, D.M. Turning back the harmful red tide. Nature, 388, 513-514. (1997).

Anderson, D.M. Approaches to monitoring,controland management of harmfulal algal blooms (HABs). Ocean & Coastal Management, 52(7), 342-347.(2009).

Dai, Y., et al. Coastal phytoplankton blooms expandand intensify in the 21st century. Nature, 615, 280-284. (2023).

Qin, B., et al. Dynamics of variability and mechanism ofharmful cyanobacteria bloom in Lake Taihu, China. Chinese Science Bulletin, 61(7), 759-770. (2016).

Song, J., et al. Early warning of Noctiluca scintillansblooms usingin-situ plankton imaging system: An example from Dapeng Bay, P.R. China. Ecological Indicators, 112, 106123. (2020).

李峰杰, 谢海平, 李伯通, 等. 2001—2023年广东沿海赤潮灾害分级和时空分布特征研究[J]. 海洋开发与管理, 2025. http://haiyangkaifayuguanli.com/wap/ch/mobile/m_website_view_abstract.aspx?file_no=202502270000001&flag=2

编辑：赵凡