一种人工智能方法用于识别微藻培养
P Otálora1, J L Guzmán1, F G Acién2
1University of Almería, CIESOL, ceiA3, Department of Informatics, 04120 Almería, Spain.
New biotechnology
|July 19, 2023
概括
一个新的人工神经网络模型使用FlowCam成像准确地描述了微藻种植. 这种深度学习方法提供了一种快速,可靠的方法来监测大规模生产中的微藻.
科学领域:
- 生物技术是生物技术.
- 海洋生物学 海洋生物学
- 人工智能的人工智能
背景情况:
- 微藻培养特征对于生物质质量控制至关重要.
- 现有的方法可能会耗时,并且在大规模应用中缺乏速度.
- 开发高效的工具对于优化微藻生产至关重要.
研究的目的:
- 开发一种简单,快速,准确的微藻培养特征化模型.
- 利用人工神经网络来区分不同的微藻类.
- 提高微藻生物质质量评估的可靠性.
主要方法:
- 开发一个人工神经网络模型.
- 使用FlowCam进行细胞图像捕获的数据采集.
- 训练模型使用6个微藻种的多个物种.
- 实施分类值以提高准确性.
主要成果:
- 该模型在分类微藻培养中达到高达97.27%的准确性.
- 成功地区分了6种不同的微藻属.
- 分类值有效地丢弃了不需要的对象,提高了性能.
结论:
- 深度学习模型是微藻培养特征的有效工具.
- 开发的模型为大型设施提供了准确和快速的监控.
- 这种方法支持多种不同品种的微藻生物质量生产的质量保证.
