使用人工智能和图像处理对船体结构进行细分的创新方法
Reynaldo Villarreal1, Sindy Chamorro-Solano1, Steffen Cantillo2,3
1AudacIA: Center for Research, Technological Development and Innovation in Artificial Intelligence and Robotics, Universidad Simon Bolivar, Cra 53 #64 - 51, Barranquilla, Atlantico, 080002, Colombia.
Scientific reports
|December 5, 2024
概括
本研究介绍了一种人工智能 (AI) 算法,用于精确的图像细分. 人工智能模型有效地识别了各种图像中的毛细血管结构,提高了科学成像中的细节识别.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 人工智能的人工智能
背景情况:
- 图像分析的挑战来自形态变异和特定条件,阻碍了详细的特征识别.
- 人工智能 (AI) 通过训练算法来识别特定的像素和图像细节,为图像细分提供解决方案.
- 自动化流程改进对于提高各种科学领域的性能和生产率至关重要.
研究的目的:
- 开发和评估一个人工智能驱动的算法,用于在不同的图像数据集中准确的像素级识别毛细血管结构.
- 评估算法的多功能性和性能在不同的成像模式,包括眼底,叶,和印刷电路板.
- 增强图像分析能力,以高准确度研究复杂结构.
主要方法:
- 开发了一种混合算法,集成高效子像素卷积神经网络 (ESPCN) 进行超分辨率,U-Net进行细分,以及图像二进制化进行掩盖.
- 训练了算法来检测特定的像素,以识别和细分毛细血管结构在颗粒级.
- 在多个数据集 (眼底,叶,印刷电路板,Set 5,Set 14) 上应用并测试了算法,以评估其细分精度和多功能性.
主要成果:
- 人工智能模型在识别各种图像类型的毛细血管结构方面表现出多功能性,包括医疗,植物和工业成像.
- 在第5组和第14组数据集上,达到37.92的峰值信号噪声比 (PSNR) 和0.9219的结构相似度指数 (SSIM),超过其他超分辨率方法.
- 像素级分析使微妙细节的识别成为可能,提高了图像增强和处理的整体保真度.
结论:
- 开发的AI算法有效地在各种图像数据集中以高准确度和多样性对毛细血管结构进行细分.
- 集成ESPCN,U-Net和掩盖模块提供了一个强大的解决方案,用于详细的图像分析和特征提取.
- 这种由人工智能驱动的方法对推动科学研究具有重大潜力,需要精确的结构特征和高保真度图像处理.
