高分辨率空中图像的数据集,用于潮间的大藻类
Andrea Martínez-Movilla1, Marta Román2,3, Gabriel Fontenla-Carrera4
1CINTEX, Universidade de Vigo, GeoTECH Group, Campus Universitario de Vigo, As lagoas, Marcosende, Vigo, 36310, Pontevedra, Spain. andrea.martinez.movilla@uvigo.gal.
Scientific data
|November 20, 2025
概括
这项研究引入了一个新的开放访问数据集,即由无人机 (UAV) 拍摄的高分辨率大藻类图像. 这一数据集有助于开发机器学习模型,用于准确的宏观藻类分类和监测.
科学领域:
- 海洋生物学 海洋生物学
- 生态生态学 生态生态学
- 遥感 遥感 遥感 遥感
背景情况:
- 宏藻对盆地社区和生态系统健康至关重要,作为压力指标.
- 手动监测是劳动密集型的,对于大规模的评估是不切实际的.
- 遥感,特别是使用无人机 (UAV),提供了一个更有效的替代方案.
研究的目的:
- 为了解决机器学习专用宏藻图像数据集的缺乏.
- 提供来自东北大西洋的潮间大藻类的高分辨率数据集.
- 促进机器学习模型的开发,用于宏观藻类的分类和语义细分.
主要方法:
- 收集的无人机和现场RGB图像对33种潮间大藻类物种进行了采集.
- 创建了三个子数据集:照片四边形 (507个图像),正方形图像 (7,954个多边形) 和个别标签 (7,685个图像).
- 在开发的数据集上训练了一个卷积神经网络 (CNN).
主要成果:
- 在使用CNN对11个宏藻类类别进行分类时,测试准确率达到了86.72%.
- 证明了使用创建的数据集用于机器学习应用程序的可行性.
- 建立了宏观藻类研究和监测的宝贵资源.
结论:
- 开发的开放访问数据集支持用于大藻识别的先进机器学习.
- 基于无人机的遥感与机器学习相结合,对于监测潮间大藻类是有效的.
- 这一资源将促进生态研究和大藻生态系统的保护工作.
更多相关视频
09:19Measuring the Structure, Composition, and Change of Underwater Environments with Large-area Imaging
Published on: April 18, 2025
1.4K
13:35Reefshape: A System for the Efficient Collection and Automated Processing of Time-Series Underwater Photogrammetry Data for Benthic Habitat Monitoring
Published on: June 13, 2025
1.3K
