机构名称：
¥ 1.0
土壤微生物的鉴定在农业和园艺中起着至关重要的作用，因为它可以监测有益物种并尽早发现病原体。在本研究中，我们提出了一种利用机器视觉和机器学习技术（特别是卷积神经网络）的系统，根据显微图像和形态特征自动识别不同的真菌和 Chromista。我们的系统旨在提供一种经济高效的病原体检测方法，改善农业系统的整体健康和生产力。我们使用土壤微生物数据集进行了实验，并使用精度、召回率和 F1 分数度量评估了分类器的性能。尽管存在类别不平衡和子图像检索不完善等挑战，但分类器仍取得了令人鼓舞的结果，总体精度为 82%，表明正确预测所有类别的正实例的准确率很高。此外，采用多数投票方案显著提高了分类器的性能，解决了代表性不足的类别问题。增强的结果显示平均精度和 F1 分数为 97%。我们的工作突出了 CNN 在土壤微生物识别方面的潜力，并为未来扩大数据集和纳入更广泛的微生物属的研究铺平了道路。
通过卷积神经网络自动识别土壤真菌和 Chromista
主要关键词
相关文件推荐
