基于深度学习的有害浮游植物从显微图像中的识别
计算机视觉与模式识别
2024-09-20 v1 人工智能
摘要
监测浮游植物分布，尤其是有害浮游植物，对于 preserving 水生生态系统、调控全球气候以及确保环境保护至关重要。传统方法往往耗时、昂贵、容易出错，且不适用于大规模应用，凸显了准确高效自动化系统的需求。在本研究中，我们评估了包括 ResNet、ResNeXt、DenseNet 和 EfficientNet 在内的几种最新卷积神经网络 (CNN) 模型，采用三种迁移学习方法：线性探测、微调和组合方法，对从显微图像中识别的十一种有害浮游植物属进行分类。结果表明，采用微调方法的 ResNet-50 取得最佳性能，准确率达 96.97%。此外，结果也显示，这些模型在区分形貌特征相似的四种有害浮游植物类型方面存在困难。
引用
@article{arxiv.2409.12900,
title = {Recognition of Harmful Phytoplankton from Microscopic Images using Deep Learning},
author = {Aymane Khaldi and Rohaifa Khaldi},
journal= {arXiv preprint arXiv:2409.12900},
year = {2024}
}
备注
8 pages, 5 figures