Semantic Segmentation for Fully Automated Macrofouling Analysis on Coatings after Field Exposure

要約

生物付着は、持続可能な輸送、フィルター膜、熱交換器、および医療機器にとって大きな課題です。
防汚コーティングの開発には、その有効性の評価が必要です。
このような評価は、通常、対象媒体 (塩水など) にさまざまな時間暴露した後の汚れの進行の評価に基づいています。
マクロファウリングの手動評価には、表現型の外観のばらつきが大きく、特定の種の単一画像サンプリングの不正確さがあり、空間情報が不足しているため、ローカルのファウリング コミュニティに関する専門知識が必要です。
ここでは、自動画像ベースのマクロファウリング分析のアプローチを紹介します。
フィールドパネル画像から作成された密なラベルを持つデータセットを作成し、さまざまなマクロファウリングクラスのセマンティックセグメンテーション用の畳み込みネットワーク (適応 U-Net) を提案します。
マクロファウリングの局在化の確立により、直接的な表面付着の決定と詳細なエピバイオティクス研究を可能にする連続モデルの生成が可能になります。

要約(オリジナル)

Biofouling is a major challenge for sustainable shipping, filter membranes, heat exchangers, and medical devices. The development of fouling-resistant coatings requires the evaluation of their effectiveness. Such an evaluation is usually based on the assessment of fouling progression after different exposure times to the target medium (e.g., salt water). The manual assessment of macrofouling requires expert knowledge about local fouling communities due to high variances in phenotypical appearance, has single-image sampling inaccuracies for certain species, and lacks spatial information. Here we present an approach for automatic image-based macrofouling analysis. We created a dataset with dense labels prepared from field panel images and propose a convolutional network (adapted U-Net) for the semantic segmentation of different macrofouling classes. The establishment of macrofouling localization allows for the generation of a successional model which enables the determination of direct surface attachment and in-depth epibiotic studies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google