在营养恢复过程中用ARTiMiS流影像显微镜进行微藻群体的形态类型解析的表征

科学领域:

• 环境微生物学环境微生物学
• 生物技术是生物技术.
• 污水处理 污水处理 污水处理

背景情况:

• 微藻有效地从废水中去除,产生有价值的生物质.
• 对微藻种群的监测对于优化废水处理厂 (WWTP) 至关重要.
• 流成像显微镜 (FIM) 提供微藻群体的实时特征.

研究的目的:

• 评估FIM技术 (FlowCam和ARTiMiS) 用于监测微藻群落在一个全面的WWTP.
• 研究水化学,生物质组成和去除效率之间的关系.
• 确定影响营养恢复的关键微藻物种和形态型.

主要方法:

• 利用FlowCam和ARTiMiS进行微藻种群的近实时FIM分析.
• 采用深度学习模型,包括卷积神经网络 (CNN),用于图像分类.
• 在两年时间内,与水化学参数相关的微藻社区动态.

主要成果:

• ARTiMiS提供了比FlowCam更准确的生物质估计,颗粒面积优于颗粒数量.
• CNN分类器的准确性高于密集神经网络 (DNN) 模型.
• 场景性菌 spp. 的种类. 对于去除至关重要,但对高温和酸盐/酸盐水平敏感.
• 较小的Scenedesmus和Chlorella形态类型与更好的回收相关,而较大的形态类型表明压力和效率降低.

结论:

• FIM是一个强大的工具,用于工业微藻工艺的高分辨率监控.
• 微藻形态和种群动态是WWTP表现的关键指标.
• 优化条件以有利于较小的形态类型可以提高回收效率.