基于计算机视觉与深度学习用于健康安全的蝎子检测与分类系统
计算机视觉与模式识别
2021-06-01 v1 人工智能
图像与视频处理
摘要
本文利用计算机视觉与深度学习技术，开发了两种新颖的自动实时系统，用于检测并分类阿根廷拉普拉塔市发现的两种蝎子属。目标检测技术采用两种不同方法实现：YOLO（You Only Look Once）与 MobileNet，基于蝎子的形状特征。两个模型分别取得了 88% 和 91% 的高准确率，以及 90% 和 97% 的高召回率，保证了它们能成功检测蝎子。此外，MobileNet 方法在非受控环境中检测蝎子及进行多次检测方面表现出优异性能。MobileNet 模型还用于图像分类，以成功区分危险蝎子（Tityus）与非危险蝎子（Bothriurus），旨在提供一种健康安全工具。开发了智能手机应用，具有系统可便携的优势，可用作急救服务的辅助工具或生物学研究用途。所开发系统可轻松扩展至其他蝎子属与种，以拓展这些应用的使用区域。
引用
@article{arxiv.2105.15041,
title = {Scorpion detection and classification systems based on computer vision and deep learning for health security purposes},
author = {Francisco Luis Giambelluca and Marcelo A. Cappelletti and Jorge Osio and Luis A. Giambelluca},
journal= {arXiv preprint arXiv:2105.15041},
year = {2021}
}