浮游生物、也就是这些肉眼难以辨别的水生微小生物，是地球生态系统的“隐形引擎”。它们驱动全球碳循环，支撑渔业资源，更是感知海洋环境变化的“哨兵”；如何精准、高效地观测它们，是海洋科学持续百年的挑战。

依赖采集网捕捞、实验室镜检的传统方法，犹如“大海捞针”，时空分辨率低且破坏性强。光学成像技术的进步带来了第一次范式革命——“光学采样”。科学家们将相机送入深海，让浮游生物在自然生境中“留影”，实现了非侵入、连续的原位观测。

然而，新的瓶颈随之出现：相机“看见”了，人类却“看不懂”。对海量图像进行人工分析具有巨大的工作量。于是，以深度学习为代表的人工智能（AI）掀起了第二次范式革命——“智能感知”。AI赋予机器“慧眼”，使其能自动识别物种、统计数量、甚至推断生态功能。

李剑平团队的特邀综述，首次构建了“硬件——数据——算法——量化”的全链条框架，深入剖析了浮游生物智能观测的每个技术环节，为读者勾勒出一幅从技术原理到科学应用的完整地图。

一、从“捞起来”到“拍下来”：观测范式的第一次革命

长久以来，认识浮游生物的唯一方式是将其“捞起来”。科学家使用浮游生物网或采水器获取样本，经固定、染色后，在实验室显微镜下人工鉴定、计数。这一方法流程滞后、效率低下，且网具的过滤会破坏脆弱的胶体生物（如水母等），固定剂会导致细胞变形，所获信息失真严重。

原位光学成像技术的兴起彻底改变了这一局面，其核心思想是将相机送入水中，对目标进行“非接触式拍照”。根据成像原理，主流技术分为四类：

1. 明场/阴影成像：如同拍摄物体的“剪影”，能获得清晰轮廓，适合快速计数与大小测量。

2. 暗场成像：善于捕捉透明生物的精细结构，图像对比度高，色彩丰富，是物种鉴定的利器。

3. 荧光成像：利用特定色素受激发光的特性，专门“捕捉”具有光合作用的浮游植物，甚至能判断其生理活性。

4. 全息成像：记录光的干涉图样，可通过数字重聚焦恢复目标的三维信息，但易受水体浑浊度影响。

这些技术被集成到各式各样的仪器中，从搭载于科考船、进行拖曳式走航扫描观测的成像仪；到集成于Argo浮标实现垂直水深方向观测的剖面成像仪，再到布放于海面浮标或海底着陆器、进行长期连续监控的成像仪。它们共同构成了一个覆盖多尺度、多功能的“海洋显微影像帝国”。

二、从“拍下来”到“看明白”：感知范式的第二次革命

光学采样产生了海量的图像数据。一张图片可能包含数百个目标，一航次可产生数百万张图片，依赖专家肉眼分析已无可能。这正是AI登场的舞台。

AI，特别是深度学习模型，如同一名不知疲倦、飞速学习的“实习生”。通过“阅读”数十万张已被专家标注好的浮游生物图片，它学会了从像素中捕捉物种的细微特征。当前，AI分析主要沿两条路径进化：

1. “认个体”之路：先将原始大图中的每个目标个体裁剪出来存成小图，再让AI模型识别它是什么。这条路已较为成熟，研究前沿正从识别已知物种（闭集分类），转向让AI具备“自知之明”，能主动承认“我不认识这个”（开集识别），这对真实海洋环境至关重要。

2. “看全景”之路：不预先裁剪，让AI直接在一整张复杂的原始大图中定位并识别出所有目标。这条路更能还原生物的空间分布，但面临标注成本极高的挑战。为此，科学家开始利用生成式AI创造逼真的合成图像来训练模型，开辟了新的解决思路。

三、从“看明白”到“用得上”：智能反演的终极价值

识别物种只是第一步。海洋生态学研究与管理需要的是定量化的生态参数：个体有多大？数量有多少？生物量是多少？功能特性如何？群落多样性怎样？这需要从图像中完成一系列的智能反演。

1. 从2D到3D的跨越：相机拍到的是二维投影，但生物是三维的。通过建立几何模型（将生物等效为球体、圆柱体等），AI可以估算生物体积。但这存在误差，发展真三维成像技术（如光场成像）是根本方向。

2. 从形态到碳汇的关联：估算出体积后，利用生物类群特异的经验公式，可以进一步推算其生物量（碳含量），这是量化海洋碳汇功能的关键。

3. 从图片到性状的挖掘：AI可以自动测量个体的形态、光学等功能性状（如长度、表面积、颜色），甚至通过行为姿态推断其摄食、逃逸等状态，将形态与生态功能直接关联。

4. 从计数到多样性的评估：基于AI的自动识别与计数结果，可以快速计算香农指数等多种生物多样性指数，以超高时空分辨率绘制海洋生物多样性图谱。

四、未来愿景：从“智能感知”到“自主认知”

当前，我们正站在“智能感知”的门槛上。展望未来，浮游生物观测将向更高级的“自主认知”系统演进，其核心是构建海洋观测的“智慧物联网”。

1. 感知智能：仪器前端将更加“聪明”。新型传感器与AI芯片前置结合，实现在端侧实时处理，只回传有价值的信息。

2. 系统智能：形成“边缘-云端”协同的观测网络。单个搭载轻量化AI的浮标或AUV成为“感知智能体”，能在现场快速决策；云端则作为“中心智能体”，进行复杂模型训练和多源数据融合，并向下发送优化指令，形成自主适应、协同作业的观测闭环。

3. 应用深化：这套技术体系将不仅服务于基础科研，揭示全球变化下浮游生物的响应机制，更将广泛应用于有害藻华预警、核电冷源生物防控、海洋碳汇监测等业务化场景，真正守护海洋蓝色家园。

五、结语

从拖着生物采集网出海、到布放智能传感网络，从在显微镜前耗尽目力、到让人工智能解译生命密码，浮游生物观测的历程，是一部人类不断拓展认知边界、与技术共舞的史诗。这篇综述系统梳理了这段征程中，光学工程、人工智能与海洋科学碰撞出的璀璨火花。它不仅仅是对过去的总结，更是对未来的一封邀请函：邀请更多跨领域的学者，共同投身于这项充满挑战与魅力的事业，共同揭开海洋浮游世界更深层次的奥秘，为理解、保护和可持续利用这片蓝色星球做出贡献。

图1 现有代表性原位成像仪器及拍摄的典型浮游生物图像

图2 浮游生物原位图像识别算法（2014年后）谱系示意图

图3 基于光场成像三维重构的水下微小目标体积测量结果

图4 迈向基于智慧物联的浮游生物原位成像观测网络