摘要

本文介绍了一种名为PhyTracker的智能原位追踪框架，专门用于自动追踪浮游植物。浮游植物作为水生生态系统的重要组成部分，其监测对于理解海洋生态过程和环境条件至关重要。传统的非原位观察方法耗时且资源密集，无法及时分析。PhyTracker通过克服浮游植物监测中的独特挑战，如在水流中的有限移动性、不显眼的外观和杂质的存在，提供了一种高效的解决方案。该框架包含三个创新模块：纹理增强特征提取（TFE）模块、注意力增强的时间关联（ATA）模块和流无关运动细化（FMR）模块，这些模块分别增强了特征捕捉、区分浮游植物和杂质、以及细化运动特征。通过在PMOT数据集上的广泛实验，PhyTracker在浮游植物追踪中表现出色，并在MOT数据集上展示了其通用性和优越性。

原理

PhyTracker的核心在于其三个创新模块的设计和工作原理：

1. 纹理增强特征提取（TFE）模块：通过使用膨胀卷积和SRM滤波器，该模块能够放大细微的纹理，从而增强对浮游植物不显眼外观的特征提取。
2. 注意力增强的时间关联（ATA）模块：利用注意力机制，该模块能够有效地关联连续帧中的相应特征，消除杂质干扰，确保准确的时间关联。
3. 流无关运动细化（FMR）模块：通过恢复每个浮游植物的运动特征，该模块能够区分不同浮游植物的运动轨迹，即使在高度一致的水流运动中也能保持识别的准确性。

流程

PhyTracker的工作流程如下：

1. 输入当前帧和前一帧的图像以及所有先前帧的轨迹信息。
2. 通过TFE模块提取浮游植物的外观特征。
3. 将当前帧和前一帧的特征输入ATA模块，建立特征之间的关联，预测浮游植物的运动偏移。
4. 将运动偏移输入FMR模块，消除水流的影响，并将先前帧的知识融合到头部网络中进行最终预测。

应用

PhyTracker的应用前景广泛，包括但不限于：

1. 海洋生态监测：实时监测浮游植物的种类、密度和浓度，有助于评估水体生态健康。
2. 气候变化研究：通过监测浮游植物的变化，提供关于气候变化的重要数据。
3. 渔业管理：预测鱼类资源的密度和分布，制定更有效的渔业管理策略。
4. 有害藻华预警：实时监测有助于提前发现有害藻华，减少其对水生生物和人类健康的威胁。