基于无透镜视频显微镜检测、追踪与分类浮游生物的嵌入式系统
图像与视频处理
2020-05-28 v1
摘要
浮游生物构成了地球生命的基础。为推进对海洋生态系统的理解，出于科学、商业与生存目的，需要对浮游生物开展更多的原位连续监测与分析。成本、复杂度、功耗与数据通信需求是阻碍原位浮游生物显微镜广泛部署的障碍。我们通过构建并表征一台数据流水线针对 Raspberry Pi 3 优化的无透镜显微镜来应对这些障碍。该流水线以 5.1 帧每秒记录样品池中多个浮游生物游动的 1080p 视频，同时检测、追踪并选取显著裁剪图像用于分类。我们在九类浮游生物上评估了十三种机器学习分类器及九组特征的多种组合，并针对速度（每幅图像预测 1 毫秒时 F1=0.74）与准确率（0.80 秒时 F1=0.81）进行了优化。系统性能结果证实，在低成本开源嵌入式计算机上完成从图像采集到分类的整个数据流水线是可行的。
引用
@article{arxiv.2005.13064,
title = {Embedded System to Detect, Track and Classify Plankton Using a Lensless Video Microscope},
author = {Thomas G. Zimmerman and Vito P. Pastore and Sujoy K. Biswas and Simone Bianco},
journal= {arXiv preprint arXiv:2005.13064},
year = {2020}
}
备注
10 pages, 10 figures, 6 tables