背景介紹

近些年，生物氣溶膠（包括真菌孢子等）正對人類和植物的健康構成日益嚴重的威脅，迫切需要對其進行精準監測、研究。目前歐洲已經建立了基于Hirst人工觀測的相關標準，然而由于耗時耗力、高度依賴專業人員、受個體影響較大、數據發布周期較長等特征，已無法滿足來自諸如醫學、大氣物理學、植物保護學等領域的科研人員的需求；自動化的生物氣溶膠監測設備備受期待。

生物氣溶膠的自動化監測在很大程度上依賴于機器學習，然而，由于顆粒物的大小、來源、化學成分等的多樣性、訓練數據的有限性等，使得這一工作頗具挑戰。為填補這一科學空白，由來自瑞士西北應用科學大學（University of Applied Sciences North Western Switzerland）、雅典大學（全稱雅典國立卡波蒂斯坦大學，National and Kaposistrian University of Athens）、瑞士Swisens公司等進10個研究機構的科學家們通過科學、細致的研究，全面地介紹了培養和收集真菌孢子材料樣本、創建機器學習訓練數據集的實踐方法等，為進一步氣流顆粒物計數儀器（如SwisensPoleno Jupiter等）開展實時氣傳真菌監測與分類提供方法參考。

材料和方法

該研究利用比利時真菌樣本庫BCCM/IHEM中的17種真菌進行相關研究，探討了諸如制備外培養、干孢子收獲、氣溶膠霧化、機器學習、自動儀器測量分類等關鍵環節，有力地推進了氣傳真菌孢子自動監測、識別的進展。

研究涉及的真菌、培養基、通過收集器獲得孢子的難易程度（0表示最不易，3表示最易）

以及樣本種存在明顯微小菌絲體和/或其他顆粒物的微觀顯著程度（Y表示存在，N表示不存在）。

PAD： 馬鈴薯葡萄糖瓊脂；S10：稀釋的沙保培養基。

真菌孢子霧化、并用SwisensPolemo Jupiter測量的實驗室裝置示意圖

研究中涉及的17種真菌的全息圖像（120x120 μm）以及SwisensPoleno Jupiter測量的每種真菌的平均相對應該數據。

SwisensPoleno Jupiter監測的17種真菌孢子：

（A）僅通過全息影像數據訓練的卷積神經網絡識別性能混淆矩陣；

（B）通過全息影像結合熒光數據訓練的卷積神經網絡識別性能混淆矩陣。

結論與討論

通過充分實驗，

1）該研究闡明了真菌孢子的培養和可控、有效的霧化是獲得樣本數據集、用于機器學習的關鍵一環；

2）證明在瓊脂培養基上做真菌培養、通過氣流霧化培養基上成熟的真菌孢子，是保持孢子完整性和減少菌絲污染的最佳方式。

最后，該研究希望接下來的工作重點應放在擴大參考數據集上，使其涵蓋更多種類的真菌，以便更準確和全面地自動識別真菌孢子，為生物氣溶膠動態發展及其對人類和植物健康影響研究提供良好技術實現。

原文出處

2025年6月2日 Aerobiologia期刊

第41卷,第505–525頁 (2025）