深海原位微顆粒觀測系統(tǒng)設(shè)計及實現(xiàn)

蔡加祥，林雄偉，陳道毅，李邵龍，劉 敏，董宇涵，李 強(qiáng)

(1.清華大學(xué)深圳研究生院深圳市近海動力環(huán)境演變重點(diǎn)實驗室，廣東 深圳 518055;2.清華大學(xué) 環(huán)境學(xué)院，北京 100084;3.清華大學(xué)機(jī)械學(xué)院，北京 100084)

隨著科技水平的不斷進(jìn)步，人們對自然的探索已經(jīng)深入到了各個角落。但深海對于人類一直是個謎，而對海底的生物形態(tài)、物質(zhì)遷移等科學(xué)問題所知甚少。要深入了解海洋，就需要利用先進(jìn)的科學(xué)技術(shù)手段，對其進(jìn)行觀察與監(jiān)測［1］。

國外對于海洋原位觀測儀器的研究開展較早，其中使用最廣泛的是浮游生物錄像記錄儀(video plankton recorder，VPR)和水下錄像剖面儀(underwater video profiler，UVP)。浮游生物錄像記錄儀最初是由伍茲霍爾海洋研究所(Woods Hole Oceanographic Institution，WHOI)的研究人員設(shè)計和建造，目前在美國海洋科學(xué)界共同使用，以支持世界各地的浮游生物研究［2］。VPR本質(zhì)是一個水下的視頻顯微鏡系統(tǒng)，設(shè)計用來迅速捕捉數(shù)以千計的微小海洋植物、動物物種、顆粒物的圖像，范圍小至50 μm，大至幾個厘米大小，其拍攝速率為60幀每秒，最大工作水深為350 m。法國濱海自由城的海洋實驗室(Villefranche Oceanographic Laboratory，F(xiàn)rance)開發(fā)的水下錄像剖面儀比VPR發(fā)展得較晚，但因此也在系統(tǒng)集成、硬件性能上有更多改進(jìn)和提高。UVP是高精度泥沙、藻類顆粒識別的海底原位觀測儀器的典型代表［3］，已有成熟的商業(yè)化產(chǎn)品出現(xiàn)。其拍攝范圍大于100 μm，其拍攝速率為25幀每秒，最大工作水深為6 000 m。

相比于國外的成熟技術(shù)，國內(nèi)在對顆粒、藻類的原位觀測方面起步較晚，自主研發(fā)的儀器設(shè)備也較少。在863計劃的資助下，許多高校和科研院所對應(yīng)用于深海海底原位觀測的多項高新探測技術(shù)展開了積極的探索和研究。其中，中國科學(xué)院沈陽自動化研究所研制了深海自治式航行器［4-6］;國家海洋技術(shù)中心研制了深海潛標(biāo)系統(tǒng)［7-8］;中國地質(zhì)大學(xué)研制了海底大地電磁測量系統(tǒng)［9］等。

這些儀器能夠?qū)崿F(xiàn)預(yù)定的功能，但總體而言，目前我國深海海底監(jiān)測技術(shù)所采用的探測手段仍有巨大的發(fā)展?jié)摿?，對自主開發(fā)的先進(jìn)海洋動力觀測儀器仍有迫切需求。國家也需要在國際前沿開展創(chuàng)新研究，占領(lǐng)高端儀器的國際市場。

針對此情況，在本課題組之前已成功開發(fā)的海洋原位觀測原型機(jī)基礎(chǔ)上，設(shè)計了一個可布放于深海，進(jìn)行原位微顆粒觀測的儀器，并實際組裝、測試了該儀器。海底原位微顆粒觀測系統(tǒng)設(shè)計意圖是把儀器系統(tǒng)長期放置在海洋中，在無人值守情況下高速實時地獲取數(shù)據(jù)。數(shù)據(jù)的傳輸可以通過海底觀測網(wǎng)或其它無線通訊方式傳回地面站。在原型機(jī)基礎(chǔ)上，對軟硬件進(jìn)行升級改造，將定制的軟件燒寫在專用圖像處理芯片上提高運(yùn)算速度，最后在實驗室進(jìn)行比對測試，升級為成熟儀器。該觀測系統(tǒng)能夠同時獲取泥沙和藻類顆粒大小、位置和形狀參數(shù)以及瞬時湍流流速等重要參數(shù)，并能得到目前通用技術(shù)難以獲取的物質(zhì)通量，對理解海洋中復(fù)雜的物質(zhì)傳輸過程有重要價值。該系統(tǒng)運(yùn)用最新的智能高速圖像技術(shù)，處于國際研發(fā)前沿。典型工作狀態(tài)下，其拍攝范圍為50微米到幾毫米，拍攝速率為500幀每秒，分辨率為1 280×1 024，最大工作水深為2 000 m。

1 海洋原位微顆粒觀測系統(tǒng)的原理及框架

該系統(tǒng)借鑒PIV(particle image velocimetry)的工作原理［10-11］，將PIV實驗設(shè)備小型化，封裝在腔體，投放在深海，觀測深海的顆粒流動。

圖1 觀測系統(tǒng)基本工作原理Fig.1 Basic principle of the observation system

整個系統(tǒng)的基本工作原理如圖1所示。具體而言，采用深海LED燈，照亮所測流動方向，高速相機(jī)對準(zhǔn)目標(biāo)區(qū)域，實時采集圖像，現(xiàn)場分析處理，并將所得結(jié)果傳回岸上服務(wù)器。與傳統(tǒng)PIV方法不同的是，該系統(tǒng)關(guān)心微流體，所測流動范圍較小，采用高分辨率的顯微鏡頭作為物鏡。此外，深海顆粒數(shù)量較少，圖像中只有稀疏粒子，相比于PIV基于光場的檢測，在高速攝影下，基于粒子跟蹤的速度檢測PTV(particle tracking velocimetry)效率和準(zhǔn)確度更高，結(jié)果也更有針對性。

整個系統(tǒng)的設(shè)計步驟是從整體到局部，明確總體要求，逐步細(xì)化各項功能。設(shè)計時依據(jù)需求來實現(xiàn)功能，基于功能再詳細(xì)考慮硬件結(jié)構(gòu)及安裝布放。整個系統(tǒng)的核心需求為高速相機(jī)拍攝深海海底微顆粒。為拍攝微顆粒，需要有顯微鏡頭，高速高清相機(jī)。拍攝需要合適光照，因此選定LED等作為光源。需要對拍攝內(nèi)容進(jìn)行識別、計算流場，選用智能圖像處理芯片。由于是在深海做原位觀測，相機(jī)、鏡頭、芯片必須放置在水密腔體里。最后采集的數(shù)據(jù)需要通過網(wǎng)絡(luò)傳回岸上，做進(jìn)一步的后處理。

設(shè)計中的關(guān)鍵思路是明確數(shù)據(jù)處理流程及信息傳遞通路。經(jīng)過調(diào)研及論證對比，將整個系統(tǒng)的信息流程歸結(jié)成如圖2所示。

由深海相機(jī)和顯微物鏡組裝成的攝像模塊在深海光源下對海底藻類、泥沙顆粒進(jìn)行視頻拍攝，獲得海底顆粒圖像;圖像通過Camera Link接口傳輸至智能圖像處理芯片，由芯片進(jìn)行圖像處理和信息提取，獲得顆粒尺寸、位置、亮度等信息;這些信息再通過海底動力觀測平臺傳輸至岸基工作站，由岸基工作站對其進(jìn)行后處理，獲得海底湍流速度信息和粒徑分布、形狀等信息，實現(xiàn)初步藻顆粒種類識別，計算得到各物質(zhì)通量信息。同時，系統(tǒng)還將選擇性地直接上傳部分原始圖像數(shù)據(jù)，以并核對和矯正處理結(jié)果。

圖2 觀測系統(tǒng)的數(shù)據(jù)處理流程Fig.2 Data flow of the observation system

圖3 深海原位微顆粒觀測系統(tǒng)整體架構(gòu)Fig.3 Framework of the observation system

深海原位微顆粒觀測系統(tǒng)整體架構(gòu)如圖3所示，主要由水下觀測子系統(tǒng)、在線處理子系統(tǒng)以及岸基控制處理子系統(tǒng)組成。

其中水下觀測子系統(tǒng)包括:1)光源;2)深海攝像模塊;3)光學(xué)窗口清潔模塊。在線處理子系統(tǒng)主要由兩塊芯片及上面運(yùn)行的軟件組成。其中硬件構(gòu)成為:1)用于實時圖像處理的智能芯片;2)控制芯片，其上附有電源模塊。該芯片主要負(fù)責(zé)接收岸基傳過來的指令，實現(xiàn)機(jī)械運(yùn)動(雨刷清潔、變焦齒輪調(diào)節(jié)、燈光開關(guān)及切換)及提供各儀器所需電壓。軟件主要組成包括圖像處理算法和信號控制。岸基后處理子系統(tǒng)主要是岸上工作站運(yùn)行的PC客戶端，負(fù)責(zé)儀器機(jī)械運(yùn)動的遠(yuǎn)程控制和圖像數(shù)據(jù)的接收、處理及可視化。

以下依據(jù)整體框架，對該系統(tǒng)進(jìn)行逐一詳述。

2 水下觀測子系統(tǒng)

水下觀測系統(tǒng)主要功能是實現(xiàn)海底高速視頻拍攝。它由低能耗、低干擾的深海LED光源，高速高清的攝像機(jī)以及光學(xué)窗口清潔系統(tǒng)等組成。該系統(tǒng)主要關(guān)注于顆粒物的圖像成像，而非海底視野內(nèi)的精確細(xì)節(jié)，可適當(dāng)降低對光源光強(qiáng)的要求，使得低能耗的激光或者LED光源能應(yīng)用于海底拍攝中，減少了對生物的干擾和危害。

2.1 光源

經(jīng)過廣泛對比及篩選，光源選用美國DeepSea Power＆Light公司的深海半導(dǎo)體激光光源和深海LED光源，如圖4所示。所選光源在滿足儀器光照的條件下，具有低功耗、防水、抵抗深海高壓等優(yōu)秀特點(diǎn)。

這兩種光源的主要技術(shù)參數(shù)分別如表1、2所示。

圖4 深海半導(dǎo)體激光光源與LED光源Fig.4 Semi-conductor laser light and LED light for the system

表1 深海半導(dǎo)體激光光源技術(shù)參數(shù)Tab.1 Parameters of semiconductor laser light source

表2 深海LED光源技術(shù)參數(shù)Tab.2 Parameters of LED light source

2.2 深海攝像

深海攝像系統(tǒng)由萊卡Z16 APO宏觀顯微攝像鏡頭及德國Optronis CL600X2高速攝像機(jī)組成，相機(jī)與顯微物鏡通過Cmount連接，如圖5所示。該硬件系統(tǒng)封裝在深海耐壓腔體內(nèi)，腔體端蓋開有直徑為1 cm的采集窗口，窗口用藍(lán)寶石制成。深海攝像系統(tǒng)可人為遠(yuǎn)程操控，實現(xiàn)不同放大倍率，從而實現(xiàn)微米到毫米的分辨范圍。選定的Optronis CL600X2相機(jī)配置靈活簡單，幀率和分辨率作為可調(diào)參數(shù)，可以根據(jù)系統(tǒng)特點(diǎn)選定最優(yōu)值，從而實現(xiàn)高分辨率和高速攝像。具體而言，該系統(tǒng)可以在分辨率為1 280×1 024下，實現(xiàn)每秒500幀攝像，或者在640×480下，進(jìn)行每秒1 922幀的高速攝像。通過具體試驗試錯，選擇合適檔位，取得分辨率和幀率的平衡。

深海耐壓密封腔體的三維設(shè)計和內(nèi)外實物圖像如圖6示。設(shè)計的深海原位觀測微顆粒流速儀最大工作水深2 000 m，乘以1.25的安全系數(shù)，因此要求密封腔體能承受25 MPa外壓。且具有在海水高鹽度環(huán)境下較強(qiáng)的耐腐蝕耐酸性能力。根據(jù)海洋工程設(shè)備研究經(jīng)驗，密封腔體主要材料選用TC4(Ti-6Al-4V)鈦合金。腔體結(jié)構(gòu)采用圓柱形，以減小高壓對密封腔體豎直方向的作用力。圓柱側(cè)面設(shè)計為凹凸的箍環(huán)，在滿足強(qiáng)度要求下，達(dá)到減輕腔體壁厚從而減少儀器整體重量的目的。圓柱體的一個端面開有采集窗口，嵌入藍(lán)寶石以滿足光學(xué)及機(jī)械性能要求。此端面安放LED燈和激光燈作為照射光源，燈的開關(guān)及切換可以通過控制指令實現(xiàn)。同一端面上，燈的另一邊為電機(jī)，其上裝配有雨刷，同樣可以通過控制指令實現(xiàn)對采集窗口和LED的清潔工作。圓柱體的另外一個端面配有水密接頭，為整個腔體的電源、網(wǎng)絡(luò)輸入接頭以及控制燈光、電機(jī)的輸出接頭。

該腔體的設(shè)計是整個觀測系統(tǒng)機(jī)械部分的一個難點(diǎn)，需要整體規(guī)劃考慮。腔體的大小需要在明確整體功能及選定相應(yīng)的硬件后，根據(jù)各個硬件的連接關(guān)系和尺寸大小，進(jìn)行量身定做。

圖5 觀測系統(tǒng)的相機(jī)和顯微物鏡Fig.5 Camera and lens for the observation system

腔體內(nèi)部結(jié)構(gòu)如圖7所示，緊挨著觀測窗口是顯微物鏡及相機(jī)，物鏡的變焦部分可通過控制命令，由電機(jī)驅(qū)動齒輪進(jìn)行精確調(diào)節(jié)。相機(jī)后部的圓盤為隔熱板，隔熱板后部到另一個端蓋之間的位置放置智能圖像芯片。

2.3 光學(xué)窗口清潔

圖7 腔體內(nèi)部Fig.7 Structure inside the chamber

光學(xué)窗口清潔系統(tǒng)主要由電機(jī)、雨刷組成。通過控制指令，電機(jī)驅(qū)動清潔刷清除光學(xué)窗口泥沙、藻顆粒等附著物，排除圖像采集過程中的明顯噪點(diǎn)干擾。根據(jù)電機(jī)的接頭及尺寸，兼顧采集窗口和LED燈的清潔，電機(jī)實物、最終雨刷的設(shè)計及裝配如圖8所示。

圖8 光學(xué)窗口清潔的雨刷和電機(jī)Fig.8 Brush and motor

3 在線處理系統(tǒng)

硬件上，在線處理系統(tǒng)主要由兩塊芯片組成:集成電源模塊的信號控制芯片和智能圖像處理芯。在兩塊芯片上各加載相應(yīng)的軟件。

3.1 控制芯片

控制芯片由實驗室自主設(shè)計，以滿足項目的個性化需求?？刂葡到y(tǒng)主要實現(xiàn)三個功能:1)相機(jī)物鏡放大倍率的調(diào)整;2)光學(xué)窗口清潔動作;3)燈光的開關(guān)及切換。

軟件層面上，設(shè)計了兩種控制方案:1)人為控制模式;2)自動模式。

具體而言，人為控制模式為在岸基設(shè)備與控制板通訊正常的情況下，由岸基設(shè)備發(fā)送控制代碼，水下設(shè)備執(zhí)行相應(yīng)動作，包括照明燈光切換代碼，光學(xué)鏡頭清潔代碼及鏡頭變焦代碼等。在通訊出現(xiàn)故障的情況下，控制驅(qū)動板進(jìn)入自動模式，根據(jù)固定時間周期進(jìn)行光學(xué)鏡頭清潔動作。該方案靈活性較高。

自動模式:控制驅(qū)動板不依靠岸基設(shè)備的控制代碼進(jìn)行工作，直接進(jìn)入自動模式，根據(jù)固定時間周期進(jìn)行光學(xué)鏡頭清潔和鏡頭變焦等操作。該方案實現(xiàn)簡單，可靠性較高。

兩種模式中，在保證不出錯的情況下，優(yōu)先考慮人為控制模式。其數(shù)據(jù)流程如圖9所示。

根據(jù)人為控制模式的特點(diǎn)，相應(yīng)控制軟件有5個模塊:

1)初始化模塊，實現(xiàn)控制芯片按照設(shè)定模式狀態(tài)工作;

2)串行信息傳輸模塊，數(shù)據(jù)的接收和發(fā)送，以及接收數(shù)據(jù)的校驗等;

3)GPIO輸入輸出模塊，控制照明燈開關(guān)的切換;

4)電機(jī)驅(qū)動模塊，存儲相機(jī)鏡頭實時位置、控制相機(jī)鏡頭回到機(jī)械零點(diǎn)、控制相機(jī)鏡頭到達(dá)相對位置;

5)雨刷清潔控制模塊，IO定義設(shè)置、清潔雨刷信號解析及清潔控制電路等。

整體軟件的流程框圖如圖10所示。

圖9 人為控制模式數(shù)據(jù)流程Fig.9 Data flow in manual control mode

圖10 控制軟件的流程圖Fig.10 Process diagram of the control system

3.2 智能圖像處理芯片

在線處理系統(tǒng)運(yùn)用先進(jìn)的DSP+FPGA處理技術(shù)，進(jìn)行圖像處理芯片集成，從控制芯片上的電源模塊供電，安裝于耐壓密封腔體內(nèi)端蓋，有效隔離發(fā)熱，實現(xiàn)水下2 000 m的可靠運(yùn)行。

圖像處理芯片由于對性能要求較高，對選用成熟的芯片，確定了兩種方案:

1)國產(chǎn)的圖像處理開發(fā)板。其主要功能特性:①TI DM6467T DSP處理器;②Virtex-4 FPGA;③支持雙路Camera Link接口，支持高分辨率高速工業(yè)攝像機(jī);④支持高速千兆以太網(wǎng)，豐富外設(shè)接口，極大提升應(yīng)用的靈活性與擴(kuò)展性。

2)英國生產(chǎn)的開發(fā)板。其主要功能特性:①雙TMS320C6472 DSP;②Virtex-5 FPGA;③自帶雙路base Camera Link接口，支持Single Medium或Full Camera Link;④能夠擴(kuò)展以太網(wǎng)接口。

可以看出兩塊開發(fā)板的核心芯片有共同之處，提供的核心接口也一致，這為后續(xù)的算法開發(fā)和移植帶來了便利。

如上文所說，腔體設(shè)計是整個系統(tǒng)機(jī)械部分的難點(diǎn)，而圖像的采集、處理、傳輸是整個系統(tǒng)的核心功能，同時也是整個系統(tǒng)軟件部分的難點(diǎn)。

在僅有灰度值，位深為8位的情況下(灰度范圍為0～28-1)，一個像素點(diǎn)需要1 byte(8 bits)表示，一幀分辨率為1 280×1 024的高清圖片，大小是1.25 Mbytes。觀測系統(tǒng)以每秒500幀的速度采集圖像，每秒的數(shù)據(jù)量為625 Mbytes。在岸上，實驗室測試可以通過Camera Link線纜，連接相機(jī)采集卡，在臺式電腦上實現(xiàn)數(shù)據(jù)采集和傳輸。但是儀器布放在水里，基于通用網(wǎng)絡(luò)傳輸如此大的數(shù)據(jù)量無疑是巨大的挑戰(zhàn)。

針對這個問題設(shè)計了特定的圖像處理算法，提取圖像關(guān)鍵信息，將625 Mbytes/s的流量降低三個數(shù)量級，實際測試時不到200 kbytes/s(具體取決于拍攝圖像中顆粒個數(shù))。具體而言，圖像信號經(jīng)過FPGA進(jìn)入DSP后，對其進(jìn)行預(yù)處理，之后提取顆粒邊界信息，前期為了系統(tǒng)的簡單、穩(wěn)定，將每個顆粒邊界用數(shù)學(xué)模型表示，即概化為一個橢圓。最后顆粒信息結(jié)果通過TCP/IP協(xié)議，傳回到岸上工作站進(jìn)行后處理。

算法實現(xiàn)上，主要分四個步驟:高斯模糊;圖像二值化;邊界跟蹤;模型化。如圖11所示。

算法中各個步驟的主要功能:高斯模糊——去除圖像中的噪點(diǎn);二值化——將灰度圖片轉(zhuǎn)換為黑白圖片;邊界跟蹤——將每個粒子的邊界分別提取出來;模型化——將每個邊界模型化為一個橢圓。

顆粒識別算法保留了每個顆粒完整的邊界，作為顆粒、藻類識別的重要信息。但在系統(tǒng)設(shè)計前期，為簡單穩(wěn)定起見，把海底觀測到的每個粒子都近似看成一個對稱軸分別平行于x軸和y軸的橢圓，并用4個參數(shù)來表示這個橢圓粒子:x坐標(biāo)、y坐標(biāo)、x軸向?qū)挾?、y軸向?qū)挾?。或者其等價表示為橢圓上、下、左、右四條切線值(橢圓的最大外接矩形)，如圖12所示。因此，一張原始圖像經(jīng)圖像算法處理后輸出的顆粒位置分布是4n個整型數(shù)據(jù)(n為單張原始圖像中粒子的個數(shù))。

圖11 顆粒識別算法Fig.11 Algorithm for particle detection

圖12 用橢圓模型化顆粒Fig.12 Modelling the particle by ellipse

研究中分別在強(qiáng)光源、弱光源與高粒子濃度流場、低粒子濃度流場四種組合的實驗條件下進(jìn)行了拍攝，并根據(jù)上述算法對圖像進(jìn)行處理，得到各步驟處理前后得到的效果對比圖。以其中弱光源低粒子濃度流場為例，進(jìn)過高斯模糊和二值化后圖像如圖13所示。

圖13 原始顆粒圖片F(xiàn)ig.13 Gaussian blur and binarization of the original image

對顆粒提取邊緣，以及建立橢圓模型，如圖14、圖15所示。

綜上所述，通過利用高性能高速DSP芯片對大量的原始圖像數(shù)據(jù)進(jìn)行預(yù)處理，只提取顆粒有用的信息，并傳輸?shù)桨渡瞎ぷ髡?，極大減少數(shù)據(jù)流量，實現(xiàn)了高速高清大數(shù)據(jù)量圖像信息的實時在線處理。

由于圖像處理算法極大地減少了數(shù)據(jù)量，因此也帶來了很多潛在的信息損失。作為驗證和對比，DSP上運(yùn)行的程序還會根據(jù)岸基工作站的要求，傳回連續(xù)的N幀原始圖像以驗證算法的準(zhǔn)確性，其中N為人為給定的參數(shù)。這樣在從海量數(shù)據(jù)提取信息以減輕傳輸壓力的同時確保了數(shù)據(jù)的準(zhǔn)確性。

圖14 顆粒邊緣識別Fig.14 Edge detection of the particles

圖15 模型化顆粒Fig.15 Modelling the particles

4 岸基后處理子系統(tǒng)

岸基控制、處理子系統(tǒng)硬件上主要是一臺工作站。其上運(yùn)行的軟件實現(xiàn)3個功能:1)對系統(tǒng)的機(jī)械控制，包括光源的開關(guān)和切換、物鏡放大倍率調(diào)整、光學(xué)窗口清潔;2)圖像數(shù)據(jù)的接收，包括處理后的和原始的圖像數(shù)據(jù);3)基于圖像數(shù)據(jù)，實時統(tǒng)計顆粒信息、計算流場并可視化結(jié)果。

實際工作狀態(tài)下，系統(tǒng)其他部分皆處于深海海底，深海部分通過網(wǎng)絡(luò)與岸上計算機(jī)通訊及數(shù)據(jù)傳輸。因此，岸基子系統(tǒng)這也是整個系統(tǒng)中唯一一個控制、管理儀器設(shè)備的接口。以下重點(diǎn)闡述顆粒速度的計算。

如何快速、準(zhǔn)確識別相鄰兩幀匹配的顆粒從而算出速度，是整個系統(tǒng)設(shè)計的另外一個挑戰(zhàn)。考慮到深海中在毫米到微米尺度上觀測，藻類、泥沙顆?？赡芟∩?，用PTV(particle tracking velocimetry)方法計算顆粒流速更為合理、高效。其中基本原理為已知相鄰兩幀拍攝的時間差dt，找出同一粒子在兩幀的位置，算出位移差ds，在相機(jī)幀率足夠高，即dt足夠小的情況下，認(rèn)為ds/dt就是該時刻目標(biāo)顆粒的速度。

算法的關(guān)鍵在于如何在第二幀尋找到正確的顆粒，以匹配第一幀中顆粒。經(jīng)過對傳統(tǒng)PTV算法［12-13］的研究，結(jié)合本課題的特點(diǎn)，提出了自己改進(jìn)的PTV算法。

基于匹配概率迭代的經(jīng)典PTV算法有三個基本原理:

1)流場有一個最大速度Um，所以任何粒子在相鄰兩幀之間的最大位移不超過R1=Umdt，dt為相鄰兩幀之間的時間間隔。

2)局部流場滿足近似剛體假設(shè)，即在同一幀圖像內(nèi)，一個粒子同周圍粒子(不妨假設(shè)為R2半徑內(nèi)的粒子，此處R2應(yīng)充分小，以表征局部流場)的速度矢量基本相同。

3)原理2)中那些基本相同的速度矢量的差的模應(yīng)該在一個微小范圍內(nèi)，不妨假設(shè)誤差圓半徑為R3。

基于這三個原理，算法迭代計算可能匹配粒子的匹配概率，最終在合適的鄰域范圍內(nèi)，對應(yīng)于第一幀的目標(biāo)粒子，第二幀與之匹配的粒子的概率將趨近于1。

而本課題所設(shè)計的觀測系統(tǒng)，有如下特點(diǎn):

1)藻類、泥沙顆粒在運(yùn)動過程中由于自身轉(zhuǎn)動或者游離到焦平面外，成像大小和邊界輪廓可能存在變化，在相鄰兩幀，同一顆?？赡芡庑螀?shù)存在偏差。

2)系統(tǒng)采用高速相機(jī)，所以兩幀之間的差別細(xì)微，即R1=Umdt很小。

3)系統(tǒng)放置于海底進(jìn)行原位觀測，在顯微物鏡下，預(yù)計視野內(nèi)藻類、泥沙顆粒稀少，圖像內(nèi)局部流場只有單個或者少數(shù)幾個粒子。

第一個特點(diǎn)決定了不能根據(jù)顆粒的大小、外形輪廓進(jìn)行匹配，第二、三個特點(diǎn)意味著要找到相鄰粒子，R2須取較大值，但這樣破壞了局部流場近似剛體假設(shè)，不能直接套用現(xiàn)有的PTV算法。在考慮已有的PTV思想、高速相機(jī)特點(diǎn)、實際顆粒稀少的基礎(chǔ)上，做出如下改進(jìn)的PTV算法:

1)計算時，所識別的藻類、泥沙顆粒統(tǒng)一當(dāng)做點(diǎn)，只取其中心坐標(biāo)。

2)比較相鄰兩幀粒子的大致位置，估算出合適的Um，從而得出R1。

3)對于第一幀目標(biāo)粒子P，在第二幀以P為圓心，R1范圍內(nèi)尋找匹配粒子。此時由于粒子稀少，再加相機(jī)幀率高，第二幀R1范圍內(nèi)很可能只出現(xiàn)單個粒子，此時認(rèn)為該粒子就是匹配粒子。

4)如果R1內(nèi)出現(xiàn)多個粒子，說明此處粒子密度較大，滿足傳統(tǒng)PTV局部流體近似剛體假設(shè)。進(jìn)行匹配概率的迭代計算。

5)只進(jìn)行一次迭代，取此時匹配概率最大的可能匹配粒子。

針對本課題的觀測對象和系統(tǒng)的觀測特點(diǎn)，該算法能夠合理、高效求出顆粒速度，畫出流場。根據(jù)實驗室水槽試驗得到的數(shù)據(jù)，運(yùn)用改進(jìn)的算法，可以到典型的流場如圖16所示。

從圖16中可以明顯看出，顆粒的個數(shù)較為稀少，兩幀之間的位移微小。

圖16 系統(tǒng)觀測的典型流場Fig.16 Typical velocity field

5 試驗

5.1 實驗相關(guān)參數(shù)確定

為得到最后的實際流速，整個實驗需要經(jīng)歷以下步驟:1)拍攝顆粒流動;2)提取顆粒信息(輪廓、位置、大小、灰度等);3)做PTV算法;4)求出實際流速。

在步驟3)用PTV算法得出的流速是一個像素意義下的流速，進(jìn)行步驟4)時還需要求出各檔放大倍率下的實際距離與圖像距離的比值，即放大因子M(單位:mm/pixel)。

放大因子通過拍攝顯微標(biāo)準(zhǔn)刻度尺獲得。

圖17 確定放大因子的刻度尺照片F(xiàn)ig.17 Image of scale to calibrate the magnification

以圖17拍到的刻度尺為例，為確保圖像處理的準(zhǔn)確客觀，通過霍夫變換，求出圖中60 mm刻度和100 mm刻度的直線方程，算出兩直線像素意義下的距離，刻度差與像素距離之比即為當(dāng)前放大倍率下的放大因子。

5.2 流體實驗

為了模擬觀測環(huán)境，本課題設(shè)計了水槽做驗證實驗。整個流體實驗設(shè)備的設(shè)計圖和實物圖如圖18所示。

整個實驗裝置分上下兩個儲水箱，上部水箱用有機(jī)玻璃制成，下面的水箱為不銹鋼制成，上部水箱有個溢出凹槽，通過水管與下部水箱連通。此外兩個水箱還通過一段有機(jī)玻璃的水槽連通，該段水槽裝有閥門和流量計。

實驗時，通過水泵持續(xù)將水從下面水箱抽到上面水箱，待水面升到與凹槽口齊平，水位保持不變。控制閥門開度，可以調(diào)節(jié)水槽內(nèi)的流速，流量大小數(shù)值可通過流量計讀出。通過在水槽口加入標(biāo)準(zhǔn)顆粒塑料沙(直徑為200 μm和40 μm)，拍攝其流動狀態(tài)。通過在已知的斷面流速、顆粒尺寸前提下，利用儀器觀測流動，軟件上可驗證顆粒識別算法和改進(jìn)的PTV算法的準(zhǔn)確性、率定相關(guān)參數(shù)，硬件上可調(diào)整儀器各部件的尺寸、布置方式，為驗證儀器的正確性和后續(xù)的改進(jìn)提高奠定基礎(chǔ)。

圖18 流體實驗設(shè)備Fig.18 Device for hydraulic experiment

6 深海安裝及測量標(biāo)定

儀器在經(jīng)過室內(nèi)測試、實驗室標(biāo)定后，會進(jìn)行一系列的物理測試，包括高低溫試驗、振動試驗等。之后與其他課題合作，流速儀將和成熟的海底觀測儀器如ADCP、ADV、CTD等集成在定制的金屬框架，進(jìn)行淺海試驗?；谝延械膶嶒炇夜r數(shù)據(jù)，通過淺海海試時各個儀器的流速數(shù)據(jù)對比，進(jìn)一步標(biāo)定流速儀的測量范圍和測量精度。最后運(yùn)用于深海極端情況時，也將通過此方法，對比標(biāo)定流速儀的測速。

通過淺海測試后，搭載有各個觀測儀器的金屬框架已滿足深海布放的條件。但實際深海布放將聽從項目組的整體協(xié)調(diào)安排，預(yù)計在2015年實現(xiàn)。

儀器的安裝、布放以及淺海測試的情況如圖19所示。

圖19 儀器的安裝與淺海試驗Fig.19 Installation of the instrument and experiment in shallow sea

7 結(jié)語

設(shè)計了一種海底原位觀測系統(tǒng)用于深海藻類、顆粒物的實時觀測。分別從水下觀測子系統(tǒng)、在線處理子系統(tǒng)、岸基控制子系統(tǒng)對整個系統(tǒng)進(jìn)行了論證與實現(xiàn)。該觀測的基本原理是采用高速高清相機(jī)結(jié)合高分辨率顯微物鏡拍攝海底藻類、泥沙顆粒，在線處理后傳回顆粒信息。硬件上，系統(tǒng)的主要儀器部件封裝在鈦合金腔體中，腔體外部設(shè)有光源和光學(xué)窗口清潔系統(tǒng);電氣上，自主設(shè)計信號控制芯片和電源模塊，選用成熟的高速智能圖像處理芯片;軟件上，改進(jìn)顆粒輪廓識別算法、PTV算法，實現(xiàn)海量數(shù)據(jù)的實時處理和顯示。最后設(shè)計了一個室內(nèi)實驗水槽，模擬觀測環(huán)境，通過實驗率定，使該系統(tǒng)有效地實現(xiàn)了微顆粒圖像的實時采集、原位處理、網(wǎng)絡(luò)傳輸和數(shù)據(jù)可視化。通過與其他測速儀器的集成安裝，以及淺海試驗，進(jìn)一步驗證了流速儀的工作性能，也為儀器的測量標(biāo)定提供了依據(jù)。

［1］ 進(jìn)平.發(fā)展海洋監(jiān)測技術(shù)的思考與實踐［M］.北京:海洋出版社，2005.(JIN Ping.Reflection and practice the development of marine monitoring technology［M］.Beijing:Ocean Press，2005.(in Chinese))

［2］ DAVIS C S，GALLAGER S M，BERMAN M S，et al.The video plankton recorder(VPR):design and initial results［J］.Arch.Hydrobiol.Beih，1992，36:67-81.

［3］ PICHERAL M，GUIDI L，STEMMANN L，et al.The underwater vision profiler 5:an advanced instrument for high spatial resolution studies of particle size spectra and zooplankton［J］.Limnology and Oceanography-Methods，2010，8:462-473.

［4］ 封錫盛，李一平.海洋機(jī)器人30年［J］.科學(xué)通報，2013，58(S2):2-7.(FENG Xisheng，LI Yiping.Thirty years evolution of SIA’s unmanned marine vehicles［J］.Chinese Science Bulletin，2013，58(S2):2-7.(in Chinese))

［5］ 李碩，燕奎臣，李一平，等.6 000米 AUV深海試驗研究［J］.海洋工程，2007，25(4):1-6.(LI Shuo，YAN Kuichen，LI Yiping，et al.Deep-sea test of 6 000 m AUV［J］.The Ocean Engineering，2007，25(4):1-6.(in Chinese))

［6］ 龐重光，連喜虎，俞建成.水下滑翔機(jī)的海洋應(yīng)用［J］.海洋科學(xué)，2014(4):96-100.(PANG Chongguang，LIAN Xihu，YU Jiancheng.Ocean application of the underwater glider［J］.Marine Sciences，2014(4):96-100.(in Chinese))

［7］ 鄧云，姜飛，張孝薇，等.實時傳輸潛標(biāo)平臺中的深海海流觀測系統(tǒng)設(shè)計［J］.氣象水文海洋儀器，2013，29(4):69-72.(DENG Yun，JIANG Fei，ZHANG Xiaowei，et al.Real-time transmission for deep sea current data in subsurface buoy platform［J］.Meteorological，Hydrological and Marine Instruments，2013，29(4):69-72.(in Chinese))

［8］ 楊躍忠，王東曉.國際海洋觀測技術(shù)發(fā)展趨勢與中國深海臺站建設(shè)實踐［J］.熱帶海洋學(xué)報，2012，31(2):123-133.(YANG Yuezhong，WANG Dongxiao.Development of international marine observation system and construction of deep-sea station in China［J］.Journal of Tropical Oceanography，2012，31(2):123-133.(in Chinese))

［9］ 李俊.海洋可控源電磁探測數(shù)據(jù)處理及軟件集成［D］.北京:中國地質(zhì)大學(xué)，2013.(LI Jun.Data processing of marine controlled-source electromagnetic sounding and software integration［D］.Beijing:China University of Geosciences，2013.(in Chinese))

［10］ LIAO Q，BOOTSMA H A，XIAO J，et al.Development of an in situ underwater particle image velocimetry(UWPIV)system［J］.Limnology and Oceanography，Methods，2009，7:169-184.

［11］ SHI S，CHEN D.The development of an automated PIV image processing software—SmartPIV［J］.Flow Measurement and Instrumentation，2011，22(3):181-189.

［12］ BAEK S J，LEE S J.A new two-frame particle tracking algorithm using match probability［J］.Experiments in Fluids，1996，22(1):23-32.

［13］ADAMS E，HINTON O R，VALENTINE E M，et al.An acoustic imaging system for the concurrent measurementof suspended sediment concentration and particle velocity［J］.The Journal of the Acoustical Society of America，1998，104(4):2160-2166.

［14］ GRIFFITHS J A，CHEN D，TURCHETTA R，et al.Characterization study of an intensified complementary metal-oxidesemiconductor active pixel sensor［J］.Review of Scientific Instruments，2011，82(3):033709.

［15］ CHEN D，CHEN C，TANG F E，et al.Boundary layer structure of oscillatory open-channel shallow flows over smooth and rough beds［J］.Experiments in Fluids，2007，42(5):719-736.