相关实验视频
Updated: Jun 6, 2025

08:11
Collection and Identification of Pollen from Honey Bee Colonies
Published on: January 19, 2021
7.1K
AIpollen:一个通过卷积神经网络识别花粉的分析网站
Xingchen Yu1, Jiawen Zhao2, Zhenxiu Xu1
1Country Co-Innovation Center for Sustainable Forestry in Southern China, College of Life Sciences, Nanjing Forestry University, Nanjing 210037, China.
Plants (Basel, Switzerland)
|November 27, 2024
概括
深度学习使用微调的ResNet34模型准确地识别花粉属. 该系统实现了高精度,为花粉识别和分析提供了宝贵的工具.
科学领域:
- 计算生物学是一种计算生物学.
- 植物学 植物学
- 人工智能的人工智能是人工智能.
背景情况:
- 深度学习 (DL) 在计算机视觉等复杂任务中表现出色.
- 精确的花粉识别在各种科学领域至关重要.
- 现有的方法可能缺乏大规模分析所需的精度和效率.
研究的目的:
- 开发一个高精度的深度学习系统用于花粉识别.
- 利用DL进行高效准确的对不同品种的花粉粒进行分类.
主要方法:
- 构建了一个来自36个属的花粉图像数据集.
- 一个预先训练的ResNet34网络被微调为花粉分类.
- 培训包括亚当优化器,交叉损失,ELU激活,数据增强,学习速度衰减和早期停止.
主要成果:
- 该模型在测试组中达到97.01%的准确性,在训练组中达到99.89%.
- 95.9%的F1得分表明了各个类别的良好平衡和稳定性.
- 为方便图像上传和属性预测,开发了一个用户友好的Web界面.
结论:
- 一个非常准确和强大的深度学习模型用于花粉识别成功开发和验证.
- 该系统为研究人员提供了有效的工具,有助于花粉分析和分类.
- 开发的Web界面提高了花粉识别任务的可访问性和可用性.

