使用一种使用幼虫沉积量化机器学习的方法评估防表面的方法

科学领域:

• 海洋生物学 海洋生物学
• 材料科学 材料科学 材料科学
• 生物技术是生物技术.

背景情况:

• 防涂层对于防止水生环境中生物染至关重要.
• 宏观污染通常在幼虫沉降阶段开始,这使得幼虫沉降试验对涂层发育至关重要.
• 目前用于防涂料的现场测试方法耗时,缺乏可控条件.

研究的目的:

• 开发和验证一种新的选工具,用于评估防涂层的性能.
• 提供一种快速可靠的方法,在进行广泛的实地测试之前对材料进行下行选择.
• 为了能够有效量化测试表面上沉的水生幼虫.

主要方法:

• 使用贝类 (SLAM) 进行防涂层选的幼虫测试的解决方案的开发.
• 使用密集度的幼虫沉积在沉浸的测试表面.
• 实现一种自动化混合计数方法,将颜色值和机器学习结合起来,用于幼虫量化.

主要成果:

• SLAM测试成功地区分了具有微妙配方差异的防涂层.
• 与手动计数相比,自动计数方法显著减少了定居幼虫量化所需的时间.
• 混合自动化方法的准确性与手动计数方法的准确性相当.

结论:

• SLAM测定是一种有效的工具,用于快速选和下降选择防涂料材料.
• 定居幼虫的自动定量加速了防涂层的性能测试.
• 这种方法优化了新的防解决方案的开发过程,减少了时间和成本.