論文の概要: Morphological Detection and Classification of Microplastics and Nanoplastics Emerged from Consumer Products by Deep Learning
- arxiv url: http://arxiv.org/abs/2409.13688v1
- Date: Fri, 20 Sep 2024 17:56:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 05:57:35.291441
- Title: Morphological Detection and Classification of Microplastics and Nanoplastics Emerged from Consumer Products by Deep Learning
- Title（参考訳）: 深層学習による消費者製品から発生したマイクロプラスチックおよびナノプラスチックの形態学的検出と分類
- Authors: Hadi Rezvani, Navid Zarrabi, Ishaan Mehta, Christopher Kolios, Hussein Ali Jaafar, Cheng-Hao Kao, Sajad Saeedi, Nariman Yousefi,
- Abstract要約: プラスチック汚染は世界的な問題となり、健康や環境システムに影響を及ぼす。
これらの汚染物質を研究する伝統的な方法は、労働集約的で時間を要する。
本稿では,マイクロ・ナノプラスチックの自動検出と分類を目的とした,新しいオープンソースデータセットであるMiNaとマイクロ・ナノプラスチックについて紹介する。
- 参考スコア（独自算出の注目度）: 1.21387493410444
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Plastic pollution presents an escalating global issue, impacting health and environmental systems, with micro- and nanoplastics found across mediums from potable water to air. Traditional methods for studying these contaminants are labor-intensive and time-consuming, necessitating a shift towards more efficient technologies. In response, this paper introduces micro- and nanoplastics (MiNa), a novel and open-source dataset engineered for the automatic detection and classification of micro and nanoplastics using object detection algorithms. The dataset, comprising scanning electron microscopy images simulated under realistic aquatic conditions, categorizes plastics by polymer type across a broad size spectrum. We demonstrate the application of state-of-the-art detection algorithms on MiNa, assessing their effectiveness and identifying the unique challenges and potential of each method. The dataset not only fills a critical gap in available resources for microplastic research but also provides a robust foundation for future advancements in the field.
- Abstract（参考訳）: プラスチック汚染は、健康や環境システムに影響を及ぼす世界的な問題であり、マイクロプラスチックやナノプラスチックは、飲料水から空気まで様々な媒体で見られる。
これらの汚染物質を研究する伝統的な方法は、労働集約的で時間を要するものであり、より効率的な技術への移行を必要とする。
そこで本研究では,マイクロ・ナノプラスチックの自動検出・分類をオブジェクト検出アルゴリズムを用いて行う,新しいオープンソースデータセットであるMiNaとマイクロ・ナノプラスチックについて紹介する。
このデータセットは、現実的な水性条件下でシミュレートされた走査型電子顕微鏡画像からなる。
我々は、MiNaに最先端検出アルゴリズムを適用し、その有効性を評価し、各手法の固有の課題と可能性を特定する。
このデータセットは、マイクロプラスチック研究のために利用可能なリソースの重大なギャップを埋めるだけでなく、この分野における将来の進歩のための堅牢な基盤も提供する。
関連論文リスト
- Microplastic Identification Using AI-Driven Image Segmentation and GAN-Generated Ecological Context [0.09636431845459936]
試料中のマイクロプラスチックの同定法は費用がかかり、専門家による分析が必要である。
顕微鏡画像中のマイクロプラスチックを自動的に識別する深層学習セグメンテーションモデルを提案する。
論文 参考訳（メタデータ） (2024-10-25T14:57:09Z) - CryoFM: A Flow-based Foundation Model for Cryo-EM Densities [50.291974465864364]
生成モデルとして設計された基礎モデルであるCryoFMについて,高品質密度マップの分布を学習する。
フローマッチングに基づいて構築されたCryoFMは、生物分子密度マップの以前の分布を正確に捉えるために訓練されている。
論文 参考訳（メタデータ） (2024-10-11T08:53:58Z) - Simplicity within biological complexity [0.0]
文献を調査し、マルチスケール分子ネットワークデータの埋め込みのための包括的フレームワークの開発について論じる。
ネットワーク埋め込み手法はノードを低次元空間の点にマッピングすることにより、学習空間の近接性はネットワークのトポロジ-関数関係を反映する。
本稿では,モデルから効率的かつスケーラブルなソフトウェア実装に至るまで,マルチオミックネットワークデータのための汎用的な包括的埋め込みフレームワークを開発することを提案する。
論文 参考訳（メタデータ） (2024-05-15T13:32:45Z) - Evaluation of Activated Sludge Settling Characteristics from Microscopy Images with Deep Convolutional Neural Networks and Transfer Learning [7.636901972162706]
本研究では, 活性汚泥沈降特性を評価するために, コンピュータビジョンに基づく革新的な手法を提案する。
深層畳み込みニューラルネットワーク(CNN)モデルの伝達学習の実装により,既存の定量的画像解析技術の限界を克服することを目的とした。
Inception v3, ResNet18, ResNet152, ConvNeXt-nano, ConvNeXt-S などのCNNアーキテクチャを用いて, 汚泥沈降特性の評価を行った。
論文 参考訳（メタデータ） (2024-02-14T18:13:37Z) - ForamViT-GAN: Exploring New Paradigms in Deep Learning for
Micropaleontological Image Analysis [0.0]
本稿では,階層型視覚変換器とスタイルに基づく生成逆ネットワークアルゴリズムを組み合わせた新しいディープラーニングワークフローを提案する。
本研究では,高信号対雑音比(39.1dB)の高分解能画像とFrechet距離類似度スコア14.88のリアル合成画像を生成することができることを示す。
生成画像と合成画像の両方を精度良く, 異なるフォアミニフェラのセマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティクスを初めて行った。
論文 参考訳（メタデータ） (2023-04-09T18:49:38Z) - ChemVise: Maximizing Out-of-Distribution Chemical Detection with the
Novel Application of Zero-Shot Learning [60.02503434201552]
本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。
合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
論文 参考訳（メタデータ） (2023-02-09T20:19:57Z) - Application of the YOLOv5 Model for the Detection of Microobjects in the
Marine Environment [101.18253437732933]
海洋環境における微小物体の自動検出と認識の問題を解決するためのYOLOV5機械学習モデルの有効性について検討した。
論文 参考訳（メタデータ） (2022-11-28T10:58:50Z) - Vision meets algae: A novel way for microalgae recognization and health monitor [6.731844884087066]
このデータセットは、異なる状態の藻属と同じ属の異なる状態の画像を含む。
このデータセット上で、TOOD、YOLOv5、YOLOv8およびRCNNアルゴリズムの変種をトレーニング、検証、テストしました。
その結果,1段階と2段階の物体検出モデルの両方で平均精度が向上した。
論文 参考訳（メタデータ） (2022-11-14T17:11:15Z) - Video-based Facial Micro-Expression Analysis: A Survey of Datasets,
Features and Algorithms [52.58031087639394]
マイクロ表現は不随意かつ過渡的な表情である。
嘘検出や犯罪検出など、幅広い応用において重要な情報を提供することができる。
マイクロ表現は過渡的で低強度であるため、検出と認識は困難であり、専門家の経験に大きく依存する。
論文 参考訳（メタデータ） (2022-01-30T05:14:13Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。