微藻图像定量模型

浓度预测精度达0.99

基于深度卷积神经网络的图像识别方法，实现微藻生物量高精度定量分析。

Yang, Peng · 周怀春 · Chen, Yang · 龚勋 · Zhang, Chuxuan · Zeng, Jianhui

Bioresource Technology 2024

具体参数

预测准确率

{'zh': '0.94–0.99', 'en': '0.94–0.99'}

技术优势

浓度预测精度高

两种CNN模型对微藻悬浮液图像的浓度预测准确率达到0.94–0.99，远超线性回归。

红藻预测更准

红藻样本具有明显的RGB值偏移，使得预测准确率高于螺旋藻。

残差网络更稳健

RES凭借残差块结构，在泛化能力和鲁棒性上优于EFF，适合实际部署。

应用场景

• 微藻培养监测：替代人工取样和离线分析，实现培养过程中浓度的实时图像监测。
• 生物量在线检测：通过摄像头采集图像即可在线估算生物量，无需破坏性取样。
• 智能图像传感：将深度学习图像识别用于微藻浓度感测，实现智能化的过程分析。