在2009年，迅數推出全球首創的“基于圖像的浮游生物檢測與智能鑒定系統”，迎合國家對環境監測事業重視，為環境監測機構及科研院所的藻類監測和研究提供了有效的手段。
在藻類鑒定過程中一般基于藻體的具體形態特，由于藻體的形態特征比較復雜，不同時期，不同角度所展現的形態都有所不同，所以給藻種的鑒定帶來了不小的難題。在原藻類系統中，迅數首創的基于形態學搜索的鑒定系統，配合藻類專家數據庫進行搜索鑒定，能夠有效的縮小藻種范圍，減輕工作量。
在14年推出的新一代藻類計數系統中，新增兩項“迅數”核心技術：生物相似性高精度智能搜索、混沌智能分類計數，實現快速的藻類輔助鑒定和不同藻類的自動分割計數。生物相似性高精度智能搜索是迅數新一代藻類智能鑒定的核心技術，通過“形態相似性”與“生物相似性”的有效結合，準確提取并融合藻種的生物特征，極大地提高了藻類搜索精度，使得快速藻類鑒定成為可能。
原理：
1)顏色特征提取：依據顏色直方圖提取藻細胞顏色特征。
2)紋理特征提取：基于Gabor濾波器的旋轉不變性特征，提取藻細胞紋理特征。
3)智能搜索：將兩種特征融合為特征向量，使用支持向量機的分類器進行訓練，實現對藻細胞圖像的分類鑒別搜索。
實例：
混合藻自動分類計數：混沌智能分類計數是迅數在藻類自動分類計數研究方面的重大技術突破，初步實現了形態、色澤差異大的多類藻細胞自動分類計數。
原理：
1)混沌遺傳算法：利用混沌運動所具有的隨機性、遍歷性和初值敏感性，將混沌狀態引入到優化變量中，把混沌運動的遍歷范圍擴大到優化變量的取值范圍，從而實現對水體中所有藻類的圖像分割。
2)模糊C均值聚類算法：確定每個藻種樣本數據隸屬于某個聚類的程度，把隸屬程度相似的藻歸為一個聚類。
實例：
