生物废水处理厂主要依靠活性污泥中大量的微生物,如细菌、原生动物和后生动物,去除污水中的有机物。污水中原生动物和后生动物生物相种类和数量与污水处理厂操作条件变化密切相关,如流入的污水特性、有毒物质的存在、有机负荷、曝气、水力和污泥停留时间、硝化发生等。对原生动物和后生动物生物群识别和监测是评估生物污水处理厂运行状态的有效工具。随着图像处理技术以及机器学习技术的发展,通过机器辅助进行活性污泥微生物检测识别已成为趋势。本论文主要研究工作包含以下几点:1.在对活性污泥微生物进行镜检识别时,由于高倍镜下单张活性污泥数字显微图像视野小,表征污泥样品信息有限。对于体型较大的原生生物和后生生物,无法在单张活性污泥数字显微图像中完整显示。因此往往需要多张活性污泥数字显微图像共同表征样品信息。针对上述问题本论文提出了一种基于弗洛伊德（Floyd）算法的活性污泥显微图像的多图像拼接方法。首先通过尺度不变特征变换（SIFT）算法提取活性污泥显微图像点特征,使用余弦距离计算多图像特征匹配点的距离矩阵,然后采用Floyd算法确定多图像拼接基准图并优化拼接路径。最后通过仿射变换将待拼接图像根据拼接路径以及基准图进行拼接。实验结果验证了本文所提方法的有效性。该方法能够解决显微图像视野受限、多图乱序情况下显微图像的拼接问题。2.针对活性污泥微生物不同种类之间,体型差异较大以及训练数据集较少的问题,本文提出了可以进行数据增强以及多尺度预测的YOLOv5s的活性污泥微生物目标检测方法。论文中活性污泥微生物目标检测算法的性能主要由召回率（Recall）、平均精度（mAP）指标进行评估。并与一阶段的SSD、YOLOv3目标检测方法以及二阶段的Faster RCNN目标检测方法进行对比。实验结果表明基于YOLOv5s的活性污泥显微图像微生物目标检测方法在活性污泥微生物体型差异较大以及训练数据集较少的情况下,依然能够有效的检测出活性污泥微生物。