利用时序图像的实例分割自动化生态研究中的地衣监测
计算机视觉与模式识别
2023-10-27 v1 机器学习
摘要
地衣是由真菌、藻类和/或蓝细菌组成的共生生物,能在多种环境中繁衍。它们在碳和氮循环中扮演重要角色,并直接与间接贡献于生物多样性。生态学家通常将地衣作为指示生物来监测空气质量与栖息地状况。尤其是附生地衣(生长于树上)是空气质量与环境健康的关键标志。一种监测附生地衣的新方法涉及使用时序相机采集地衣种群图像。纽芬兰与拉布拉多的生态学家使用这些相机,随后分析并手动分割图像以确定地衣叶状体的状况与变化。这些方法耗时且易受观测者偏差影响。在这项工作中,我们旨在自动化长期地衣监测并估算其生物量与状况,以协助生态学家的工作。为此,我们提出的框架采用语义分割与一种高效训练方法,以自动化监测并估算时序图像中附生地衣的生物量。我们表明,我们的方法有望显著提升地衣种群监测的准确性与效率,使其成为森林生态学家与环境科学家评估气候变化对加拿大森林影响的宝贵工具。据我们所知,这是首次采用此类方法协助生态学家监测与分析附生地衣。
引用
@article{arxiv.2310.17080,
title = {Automating lichen monitoring in ecological studies using instance segmentation of time-lapse images},
author = {Safwen Naimi and Olfa Koubaa and Wassim Bouachir and Guillaume-Alexandre Bilodeau and Gregory Jeddore and Patricia Baines and David Correia and Andre Arsenault},
journal= {arXiv preprint arXiv:2310.17080},
year = {2023}
}
备注
6 pages, 3 Figures, 8 Tables, Accepted for publication in IEEE International Conference on Machine Learning and Applications (ICMLA), copyright IEEE