使用深度學習從顯微鏡影像中識別有害浮游植物

本研究評估了多種最先進的CNN模型,包括ResNet、ResNeXt、DenseNet和EfficientNet,並使用三種遷移學習方法(線性探測、微調和結合方法)來對11種有害浮游植物屬進行分類。結果顯示,使用微調方法的ResNet-50模型取得了最佳性能,準確率達96.97%。研究還發現,模型在區分具有相似形態特徵的4種有害浮游植物類型時存在困難。