使用深度学习对化纤维和容器进行细分和表征
Saqib Qamar1,2,3, Abu Imran Baba4, Stéphane Verger5,6,7
1Department of Physics, Umeå University, Umeå, 90187, Sweden.
Plant methods
|August 14, 2024
概括
本研究介绍了一种基于人工智能的方法,用于在显微镜图像中对木细胞进行细分,从而提高木材特征研究的分析速度和准确性.
科学领域:
- 树木科学和解剖学 树木科学和解剖学
- 计算生物学是一种计算生物学.
- 图像分析 图像分析
背景情况:
- 木材的特性是由细胞类型 (纤维,气管,血管) 决定的.
- 显微镜对于分析细胞形状,大小和排列至关重要.
- 目前的方法在大型图像中与重叠的细胞作斗争,阻碍了分析.
研究的目的:
- 开发用于木细胞细分的自动化深度学习方法.
- 提高分析木细胞形态学的效率和准确性.
- 为了克服集群细胞传统图像处理的局限性.
主要方法:
- 利用YOLOv8深度学习模型进行细胞细分.
- 将模型应用于化树木细胞的高分辨率显微镜图像.
- 开发了一个Web应用程序,并为Google Colab提供了可访问性代码.
主要成果:
- 实现了木纤维和容器的准确细分和表征.
- 在大型图像 (32,640 x 25,920 像素) 上展示了有效的细胞检测和细分.
- 与手动测量对比的验证结果,显示了可比的结果.
结论:
- 使用YOLOv8的深度学习为木细胞量化提供了有效的解决方案.
- 开发的方法适用于木材科学中的实际应用.
- 自动化分析提高了对木细胞特征的理解.


