海洋中的微型藻类是一种原始的海洋浮游植物,人们简略的把它称作海洋微藻,其不仅是海洋生态系统中的主要海洋生物资源,同时也是重要的初级生产者。很多种类的海洋微藻都有比较可观的经济价值,在对海洋微藻进行研究过程中,首先就是需要对海洋微藻进行检测。本文利用数字图像处理技术对海洋微藻进行自动识别并进行分类,首先研究了传统识别方法对海洋微藻进行的分类识别,并对图像二值化进行了改进,采用了自适应阈值的二值化方法。在检测部分将Hu矩特征与余弦相似度进行融合,避免了目标对象的大小差异对检测的影响。其次,通过对深度学习算法的研究,发现该算法在应用于海洋微藻识别方面较传统算法有精确度高,为此,本文将迁移学习方法同yolov3算法进行了结合,通过实验证明,海洋微藻训练数据较少的情况下,该方法在海洋微藻识别方面具有较好的效果。同时,为了进一步提高识别率,减少计算量,本文基于深度可分离卷积算法的计算量小的特点,给出了基于深度可分离卷积的高斯yolov3算法,改进后的mAP提高了1.45%,FPS达到了42.35,提高了19.95。最后,本文设计了一套海洋微藻分类识别系统,搭建了一套包括用户管理模块、用户操作模块、后台数据库存储模块,通过实验,验证了本文设计的系统具有一定的实用性。