2009年に、迅数は*の「画像に基づくプランクトン検出と知能鑑定システム」を発売し、国の環境モニタリング事業への重視に合わせ、環境モニタリング機構及び科学研究院所の藻類モニタリングと研究に有効な手段を提供した。
藻類の鑑定過程において一般的に藻体の具体的な形態特に基づいて、藻体の形態特徴は比較的に複雑で、時期によって、角度によって現れる形態はすべて異なっているため、藻種の鑑定に少なからぬ難題をもたらした。原藻類システムにおいて、迅数*の形態学的探索に基づく鑑定システムは、藻類専門家データベースと協力して捜索鑑定を行い、藻種の範囲を効果的に縮小し、作業量を軽減することができる。
14年に発売された次世代藻類計数システムには、生物類似性の高い精度の知能検索、カオス知能分類計数の2つの「迅」核心技術が新たに追加され、迅速な藻類補助鑑定と異なる藻類の自動分割計数を実現した。生物類似性高精度知能探索は迅数次世代藻類知能鑑定の核心技術であり、「形態類似性」と「生物類似性」の有効な結合を通じて、藻種の生物特徴を正確に抽出し融合し、藻類検索精度を大幅に向上させ、迅速な藻類鑑定を可能にした。

原理：

1）色特徴抽出：色ヒストグラムに基づいて藻細胞の色特徴を抽出する。

2）テクスチャ特徴抽出：Gaborフィルタの回転不変性特徴に基づいて、藻細胞テクスチャ特徴を抽出する。

3）知能検索：2種類の特徴を特徴ベクトルに融合し、支持ベクトル機の分類器を用いて訓練を行い、藻細胞画像の分類鑑別検索を実現する。

例：

混合藻の自動分類計数：カオス知能分類計数は藻類の自動分類計数の研究における迅数の重大な技術的突破であり、形態、色収差の大きい多種類藻細胞の自動分類計数を初歩的に実現した。

原理：

1）カオス遺伝アルゴリズム：カオス運動が持つランダム性、エルゴード性と初期値感受性を利用して、カオス状態を最適化変数に導入し、カオス運動のエルゴード範囲を最適化変数の値取り範囲に拡大し、それによって水体中のすべての藻類の画像分割を実現する。

2）ファジィC平均クラスタリングアルゴリズム：各藻種サンプルデータがあるクラスタリングに属する程度を確定し、所属程度が似ている藻をクラスタリングに分類する。

例：