Microplastic Identification Using AI-Driven Image Segmentation and GAN-Generated Ecological Context

要約

水サンプル中のマイクロプラスチックを同定する現在の方法は高価であり、専門家の分析が必要です。
ここでは、顕微鏡画像内のマイクロプラスチックを自動的に識別するための深層学習セグメンテーション モデルを提案します。
私たちは、ムーアプラスチック汚染研究所のマイクロプラスチックの画像にラベルを付け、敵対的生成ネットワーク (GAN) を使用して、多様なトレーニング データを補完および生成しました。
生成されたデータの妥当性を検証するために、私たちは読者調査を実施し、専門家が生成されたマイクロプラスチックを本物のマイクロプラスチックから68パーセントの割合で識別することができました。
結合データでトレーニングされたセグメンテーション モデルは、生成されたデータを使用しないモデルの F1 スコア 0.82 と比較して、多様なデータセットで 0.91 の F1 スコアを達成しました。
私たちの調査結果により、専門家と市民の両方が多様な生態学的状況にわたってマイクロプラスチックを検出する能力を強化し、それによってマイクロプラスチック分析のコストとアクセスしやすさを向上させることを目指しています。

要約(オリジナル)

Current methods for microplastic identification in water samples are costly and require expert analysis. Here, we propose a deep learning segmentation model to automatically identify microplastics in microscopic images. We labeled images of microplastic from the Moore Institute for Plastic Pollution Research and employ a Generative Adversarial Network (GAN) to supplement and generate diverse training data. To verify the validity of the generated data, we conducted a reader study where an expert was able to discern the generated microplastic from real microplastic at a rate of 68 percent. Our segmentation model trained on the combined data achieved an F1-Score of 0.91 on a diverse dataset, compared to the model without generated data’s 0.82. With our findings we aim to enhance the ability of both experts and citizens to detect microplastic across diverse ecological contexts, thereby improving the cost and accessibility of microplastic analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google