使用深度CNN模型和素优化优化,自动检测有害的蓝藻细菌属
Fatih Topaloglu1, Soner Kiziloluk1, Eser Sert1
1Department of Computer Engineering, Malatya Turgut Ozal University, Malatya, Turkey.
Scientific reports
|September 30, 2025
概括
全球变暖引发了有害的蓝藻细菌的繁殖. 这项研究引入了一种使用深度学习的自动化方法和一种用于准确检测的新型优化算法,从而改善水质监测.
科学领域:
- 环境科学 环境科学
- 微生物学 微生物学
- 计算机科学 计算机科学
背景情况:
- 全球变暖加剧了蓝菌的繁殖,威胁到水质和生态系统的健康.
- 目前检测有毒蓝藻细菌的方法是缓慢的,劳动密集的,主观的.
- 有害的蓝藻细菌繁殖 (Cyano-HABs) 由于毒素和生态破坏,对人类,动物和植物的生命构成风险.
研究的目的:
- 开发一种新的自动化方法,用于快速准确地检测有害的蓝藻细菌.
- 为了解决传统的蓝菌评估方法的局限性.
- 提高水质监测系统的效率和准确性.
主要方法:
- 使用TCB-DS数据集进行培训和验证.
- 使用深度卷积神经网络 (CNN) 模型 (ShuffleNet,ResNet-50) 来进行特征提取.
- 应用特征融合和艺术素优化 (AO) 算法用于特征选择.
- 使用多个CNN模型进行分类的蓝菌种类,包括GoogleNet,MobileNetV2,EfficientNetb0,DarkNet53,ShuffleNet和ResNet101.
主要成果:
- 在TCB-DS数据集上实现了97.471%的平均准确率和97.683%的最大准确率.
- 与其他评估的模型相比,拟议的方法显示出更高的性能.
- 阿尔特梅西宁优化算法有效地减少了特征冗余,提高了模型效率.
结论:
- 新的自动检测方法显著提高了水质监测能力.
- 这种方法提供了一个快速,精确,客观的替代传统的菌评估.
- 这些发现有助于减轻与全球日益增长的有害蓝菌繁殖相关的风险.
