Regression-Based Optical Intensity and Image Processing Techniques for Diatom Algae Content Estimation

Microalgae are responsible for oxygen production, pH stabilization, and nitrogen waste absorption in shrimp pond ecosystems, serving as essential biological indicators of water quality. Within the unicellular microalgae group, diatoms such as Skeletonema sp. and Thalassiosira sp. confer major ecological benefits, excessive growth can disturb pond environments. Despite their significance, monitoring these diatoms, particularly in Indonesian aquaculture systems, remains constrained by time-consuming manual counting. This study proposes a non-invasive integrated framework combining direct raw optical intensity (OI) sensing and digital image processing (IP) techniques to estimate the concentration of Skeletonema sp. and Thalassiosira sp. across varying laboratory-grown concentration ranges. The proposed regression models demonstrated high predictive performance across all concentration ranges, with test set coefficients of determination exceeding 0.95 (R2 > 0.95). The results indicate that biomass estimations derived from image processing are more accurate than those obtained from direct optical intensity, with data suggesting that species-specific optical properties are modulated by cellular pigment responses. Overall, this non-destructive RGB regression framework offers reliable microalgae biomass estimation for precision aquaculture. ABSTRAK: Mikroalga bertanggungjawab menghasilkan oksigen, menstabilkan pH, dan menyerap sisa nitrogen dalam ekosistem kolam udang, berfungsi sebagai penunjuk biologi penting kualiti air. Dalam kumpulan mikroalga bersel tunggal, diatom seperti Skeletonema sp. dan Thalassiosira sp. memberikan manfaat ekologi besar, namun pertumbuhan berlebihan boleh mengganggu persekitaran kolam. Walaupun kepentingannya, pemantauan diatom ini, terutamanya dalam sistem akuakultur Indonesia, masih terhad oleh pengiraan manual yang memakan masa. Kajian ini mencadangkan rangka kerja terintegrasi tidak invasif yang menggabungkan pengesanan intensiti optik mentah secara langsung (OI) dan teknik pemprosesan imej digital (IP) untuk menganggarkan kepekatan Skeletonema sp. dan Thalassiosira sp. merentasi julat kepekatan yang ditanam di makmal. Model regresi yang dicadangkan menunjukkan prestasi peramalan yang tinggi merentasi semua julat kepekatan, dengan pekali determinan set ujian melebihi 0.95 (R2 > 0.95). Keputusan menunjukkan bahawa anggaran biomassa yang diperoleh daripada pemprosesan imej adalah lebih tepat berbanding yang diperoleh daripada intensiti optik langsung, dengan data mencadangkan bahawa sifat optik spesies tertentu dimodulasi oleh tindak balas pigmen selular. Secara keseluruhannya, rangka kerja regresi RGB bukan merosakkan ini menawarkan anggaran biomassa mikroalga yang boleh dipercayai untuk akuakultur tepat.