基于巨大的图像数据库和人工智能,对有害的藻类繁殖物种进行高通量和快速分类
Junjie Zheng1, Zihan Sun1, Ruoyu Guo1
1Key Laboratory of Marine Ecosystem Dynamics, Second Institute of Oceanography, Ministry of Natural Resources, Hangzhou, 310012, China.
Marine pollution bulletin
|December 30, 2025
概括
人工智能 (AI) 增强了对海洋生态系统和有害藻类繁殖 (HAB) 至关重要的微藻识别. 人工智能模型,特别是ViT,实现了高精度,有助于快速检测和生态系统保护.
科学领域:
- 海洋生物学 海洋生物学
- 计算生物学是一种计算生物学.
- 生态生态学 生态生态学
背景情况:
- 微藻对海洋生态系统和工业至关重要.
- 快速识别微藻,特别是有害的藻类繁殖 (HAB) 种类,仍然是一个重大挑战.
- 准确的识别是生态监测和管理HAB的关键.
研究的目的:
- 开发和评估基于人工智能的算法,用于准确和快速的微藻类分类.
- 构建一个全面的微藻图像数据库来训练AI模型.
- 评估不同人工智能模型的性能,包括DenseNet,EfficientNet和Vision Transformer (ViT).
主要方法:
- 创建一个多样化的微藻图像数据集.
- 深度学习模型 (DenseNet,EfficientNet,ViT) 的培训和验证.
- 对模型性能进行比较分析,并对现场采集的样本进行评估.
主要成果:
- 视觉变压器 (ViT) 模型展示了卓越的分类性能.
- 数据集的大小和多样性是提高AI模型准确性的关键因素.
- 人工智能模型的结果与传统的显微镜和元编码分析有很强的一致性.
结论:
- 人工智能驱动的微藻类分类在速度和准确性方面取得了重大进展.
- 这项技术为早期预警系统和对HABs的快速响应提供了强大的工具.
- 这些发现支持通过人工智能加强海洋生态系统的管理和保护战略.
