近期我院教师程诗洋，与来自中国科学院水生生物研究所、中国地质大学、温州医科大学和浙江大学的多位学者，共同合作撰写的论文 “Identification of Chemicals Based on Locomotor Tracks of Daphnia magna Using Deep Learning” 于3月23日在线发表在环境领域国际顶级期刊Environmental Science & Technology Letters。

国务院办公厅于2022年发布了《新污染物治理行动方案》。2023年3月1日起，《重点管控新污染物清单(2023年版)》正式施行。新污染物在水体中的监测识别技术是行动方案的基础举措，然而，面对繁杂的新污染物，相关监测技术的研发相对滞后，在学科交叉研究方面还有待加强。

该研究结合机器学习和大型蚤（Daphina magna）运动轨迹，开发了一种化学品识别技术。化学物质可以通过不同的作用机制影响环境生物，使其产生独特的“运动轨迹指纹”。深度学习是一种先进的机器学习算法，以其强大的运算、学习和决策能力，在解析数据特征、探索机理机制、预测复杂行为和开展决策优化等方面提供了强大的科技支持。大型蚤是世界各地淡水湖泊中广泛分布的哨兵物种，是对污染物最为敏感的水生生物之一。通过对大型蚤进行高通量的体内暴露实验，获取大量用于训练深度学习模型的图像数据集，进而使用深度学习的代表算法卷积神经网络（Convolutional Neural Network, CNN），有侧重的对获取的图像数据集进行特征提取，准确高效地完成图像识别和目标化合物检测任务。该研究开发的方法有助于创建一个大型蚤运动轨迹指纹数据库，具有实现低成本、绿色友好的识别水体中新污染物的潜力，为精确监测水体新污染物提供方法学支撑。

程诗洋老师为论文第一作者，中国矿业大学为该论文的第一单位，该研究得到了国家自然科学基金青年基金等项目资助。

文章链接：

Environmental Science & Technology Letters

基于卷积神经网络和大型蚤运动轨迹的化学品识别技术