A Comprehensive Spectral Analysis of the Auto-fluorescence Characteristics of Three Algae Species at Twelve Discrete Excitation Wavelengths
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Harmful algae blooms are a growing concern around the globe, and therefore fast and reliable methods to detect and classify different types of algae in an automatic manner is highly desired. In this study, we explore the auto-fluorescence characteristics of different algae types to determine whether using their auto-fluorescence spectra could be used in automatic identification. Preliminary experimental results in this study for generating auto-fluorescence spectra of Anabaena flos-aquae (Cyanophyta phylum), Ankistrodesmus falcatus (Chlorophyta phylum), and Euglena gracilis (Euglenozoa phylum) demonstrate that this information could potentially be leveraged to discriminate between different types of algae. Future work must be done to explore the auto-fluorescence spectra of additional species within a given genus in order to determine the intra-class and inter-class variability of these auto-fluorescence spectra. Future work also includes using this technique to determine the concentration in a mixed sample, as well as determining the robustness in a sample with contaminants. Future work will also involve exploring the use of additional fluorescent images, absorption spectra, and morphological features to improve the performance of the classifiers. Finally, as data collection continues we will explore using data augmentation to deal with unbalanced class sizes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle