基于深度学习的微藻自动检测系统研究

doi:10.16476/j.pibb.2022.0629

	基于深度学习的微藻自动检测系统研究
	向睿捷 ; 刘浩 ; 路珍 ; 肖泽宇 ; 刘海鹏 ; 王寅初; 彭晓 ; 严伟
发表期刊	生物化学与生物物理进展
ISSN	1000-3282
	2023-04-17
卷号	51 期号:01 页码:177-189
关键词	微藻检测术明场显微术深度学习目标识别
DOI	10.16476/j.pibb.2022.0629
中文摘要	目的微藻养殖产业规模巨大，在养殖过程中微藻易受杂菌和其他污染物的影响，因此需要定期对微藻进行检测，以确定其生长情况。现有的光学显微成像法和光谱分析法对实验人员、实验设备及场地的要求较高，无法做到实时快速检测。为了实现实时快速检测，需要一套检测要求低、速度快的实时微藻检测系统。方法本文开发了一种基于深度学习的微藻检测系统，通过搭建一套基于明场成像的显微成像设备，使用采集的图像训练基于YOLOv3的神经网络，并将训练好的神经网络部署到微型计算机，从而实现了实时便携微藻检测。本文对特征提取网络进行改进，包括引入跨区域残差连接机制和注意力选择机制，另外还将优化器改为Adam优化器，使用多阶段多方法组合策略。结果加载跨区域残差连接机制时最高平均精度（mAP）值为0.92。通过与人工结果进行对比，得到检测误差为2.47%。结论该系统能够实现微藻实时便携检测，提供较为准确的检测结果，可以应用于微藻养殖中的定期检测。
文章类型	期刊论文
收录类别	CSCD
语种	中文
引用统计
文献类型	期刊论文
条目标识符	http://ir.yic.ac.cn/handle/133337/34215
专题	海岸带生物学与生物资源利用重点实验室海岸带生物学与生物资源利用重点实验室_海岸带生物资源高效利用研究与发展中心
作者单位	1.深圳大学物理与光电工程学院,深圳市光子学与生物光子学重点实验室,光电子器件与系统教育部/广东省重点实验室 2.中国科学院烟台海岸带研究所 3.国家基础学科公共科学数据中心
推荐引用方式 GB/T 7714	向睿捷,刘浩,路珍,等. 基于深度学习的微藻自动检测系统研究[J]. 生物化学与生物物理进展,2023,51(01):177-189.
APA	向睿捷.,刘浩.,路珍.,肖泽宇.,刘海鹏.,...&严伟.(2023).基于深度学习的微藻自动检测系统研究.生物化学与生物物理进展,51(01),177-189.
MLA	向睿捷,et al."基于深度学习的微藻自动检测系统研究".生物化学与生物物理进展 51.01(2023):177-189.