基于神经网络与荧光光谱-形态特征的六类藻类自动识别可行性研究
计算机视觉与模式识别
2018-05-04 v1
摘要
有害藻华（HABs）会产生致命毒素，由于其对饮用水质量产生负面影响，并对野生动物、渔业以及旅游和娱乐性用水造成主要负面影响，正日益成为全球关切的问题。在本研究中，我们探讨了利用机器学习与基于荧光的谱-形态特征以实现六类不同藻类自动识别的可行性。更具体地，使用定制的多波段荧光成像显微镜在405 nm至530 nm的六个不同激发波长下捕获水样荧光成像数据。随后从分离出的微生物成像数据中提取若干形态与荧光光谱特征，并用于训练专为给定孤立微生物识别六类藻类而设计的神经网络分类模型。使用三种不同神经网络分类模型的实验结果表明，与使用形态特征相比（平均识别准确率分别为95.7%±3.5%和96.1%±1.5%），使用基于荧光的谱特征或基于荧光的谱-形态特征训练神经网络分类模型在识别准确率上取得了统计显著的提升。鉴于人类分类学家的识别准确率通常在67%至83%之间，这些初步结果相当有前景，从而说明了利用机器学习与基于荧光的谱-形态特征作为不同藻类自动识别可行方法的可行性。
引用
@article{arxiv.1805.01093,
title = {The feasibility of automated identification of six algae types using neural networks and fluorescence-based spectral-morphological features},
author = {Jason L. Deglint and Chao Jin and Angela Chao and Alexander Wong},
journal= {arXiv preprint arXiv:1805.01093},
year = {2018}
}
备注
13 pages