自动化花粉学分析系统：集成深度度量学习与 $U^{2}$-Net 检测于 $H\infty$ 亮场显微镜
计算机视觉与模式识别
2026-04-21 v1 光学
摘要
传统的花粉学常耗时 4-6 小时且具有主观性。我们提出了一个自动化、高通量显微镜系统，集成 稳健机械控制与先进的深度学习管道，用于对来自智利中南部 Bio Bio 地区花粉的精确计数、分类和形态分析。该系统采用 -Net 进行显著物体检测，并使用基于 DINOv2 Vision Transformer 的深度度量学习模型进行分类。通过集成梯度加权注意力，模型提供人类可解释的纹理和诊断性特征标注。该系统在分类召回率达到 95.8%，相较于手动专家分析实现了 6 倍的处理加速。
关键词
引用
@article{arxiv.2604.16743,
title = {Automated Palynological Analysis System: Integrating Deep Metric Learning and $U^{2}$-Net Detection in $H\infty$ bright field microscopy},
author = {J. Staforelli-Vivanco and R. Jofré and B. Muñoz and V. Salamanca and P. Coelho and I. Sanhueza and L. Viafora and C. Toro and J. Troncoso and M. Rondanelli-Reyes and I. Lamas},
journal= {arXiv preprint arXiv:2604.16743},
year = {2026}
}
备注
14 pages, 16 figures