光学与全息显微镜图像中的自动花粉识别
计算机视觉与模式识别
2025-12-29 v1 机器学习
定量方法
机器学习
摘要
本研究探索了应用深度学习技术以提高和自动化处理光学与全息显微镜图像中花粉颗粒的检测与分类的能力，特别关注兽医细胞学应用场景。我们使用 YOLOv8s 进行目标检测，采用 MobileNetV3L 进行分类任务，对其在不同成像模态下的性能进行评估。模型在光学图像上实现了 91.3% 的 mAP50 检测准确率和 97% 的总体分类准确率，而对灰度全息图像的初始性能则明显较低。我们通过数据集扩充使用自动标注和边界框面积放大来解决性能差距问题。应用于全息图像，这些技术将检测性能从 2.49% 提升至 13.3%，将分类性能从 42% 提升至 54%。我们的工作表明，对于图像分类任务，至少可以将深度学习技术与成本效益高的无镜头数字全息显微镜设备配对使用。
关键词
引用
@article{arxiv.2512.08589,
title = {Automated Pollen Recognition in Optical and Holographic Microscopy Images},
author = {Swarn Singh Warshaneyan and Maksims Ivanovs and Blaž Cugmas and Inese Bērziņa and Laura Goldberga and Mindaugas Tamosiunas and Roberts Kadiķis},
journal= {arXiv preprint arXiv:2512.08589},
year = {2025}
}
备注
08 pages, 10 figures, 04 tables, 20 references. Date of Conference: 13-14 June 2025 Date Added to IEEE Xplore: 10 July 2025 Electronic ISBN: 979-8-3315-0969-9 Print on Demand(PoD) ISBN: 979-8-3315-0970-5 DOI: 10.1109/AICCONF64766.2025.11064260 Conference Location: Prague, Czech Republic Online Access: https://ieeexplore.ieee.org/document/11064260