随着社会的快速发展,环境污染已逐渐威胁到人类的日常生活,尤其以水污染情况最为严重,有效的水质监测机制是水质管理的重要环节。本课题主要研究基于鱼类行为的水质在线监测系统,主要工作归纳如下:1.分析比较理化检测法与生物检测法两类水质监测方法,介绍了生物检测法的原理和优点,并且分析了国内外现有的较为成熟的水质监测系统,阐述其原理与存在的问题。2.设计一个水质监测平台,硬件部分模拟了最为简单的水质监测环境,以斑马鱼为指示生物,硫酸铜溶液为毒性污染物,模拟水质污染情况,并通过摄像头即时检测鱼群运动变化。软件部分对摄像头拍摄的视频图像序列进行实时分析处理,并且设计水质监控的GUI界面,监测人员仅需在GUI界面进行简单的操作即能实时观测鱼群运动数据变化。由于水质监测系统是对视频图像序列进行分析处理,检测结果受监测环境光照条件的影响较大,故使用GWH-GLBH算法对输入系统的视频图像进行评估,配置监测环境的光照条件。3.将计算机图像处理技术与水质监测相结合,为了消除复杂背景对运动目标参数提取的影响,选用基于显著性度量和条件随机场模型的显著性检测算法Seg提取出前景运动目标,该方法能够实现较好的前景提取效果。为了分析不同水质条件下的鱼群运动特征,量化提取出鱼群运动速度、转角、空间标准差、体色参数多方面综合评估鱼群的运动变化,从而量化得到的鱼群运动特征数据分析水质状态。4.将机器学习理论与水质监测系统相结合,使用基于LSTM神经网络的分类模型对不同水质环境下的鱼群运动特征数据进行分类判定,本研究系统所使用的方法不仅能够达到较为精准的多级分类效果,且预警速度快,对水质环境突发状况有较高的参考依据。