基于条件随机场和深度学习的环境微生物分类方法的研究

The classification of environmental microorganisms is an important technical means of environmental quality monitoring and environmental pollution control by the method of environmental microbiology, and is highly valued by all countries in the world. However, the traditional classification methods often have the disadvantages of secondary pollution, expensive equipment and long time-consuming. The booming artificial intelligence technology provides a new opportunity to solve the above problems, and can achieve the goal of pollution-free, low-input and high-efficiency classification by analyzing the visual information of microbial micro-images. Based on the previous research of the applicant, the project intends to develop a method of combining random field with deep learning to carry out the classification of pixel level and image level synchronously with the environmental microorganisms. The specific research contents are as follows: 1) Using data augmentation and transfer learning strategies to solve the problem of small data sets of microbiological microscopic images; 2) To study pair-wise deep convolutional neural network feature extraction algorithms to solve the characterization of individual microbial morphology and spatial structure; 3) To study the new conditional random fields classifier model to achieve the purpose of synchronizing the classification of microorganisms at the pixel level and image level. This project is devoted to study the application of novel artificial intelligence method in environmental microbiology. The project has a solid foundation of research, clear objectives and sufficient feasibility, and has high social value and scientific significance.

环境微生物分类是利用环境微生物学方法进行环境质量监测与环境污染治理的重要技术手段，受到世界各国的高度重视，但是传统分类方法往往存在二次污染、设备昂贵及耗时漫长等缺陷。蓬勃发展的人工智能技术为解决以上问题提供了新的契机，可以通过分析微生物显微图像的视觉信息，达到无污染、低投入和高效率分类的目标。在申请人前期研究的基础上，本项目拟开发一种条件随机场与深度学习相结合的方法，对环境微生物同步地实施像素级别与图像级别的分类，具体研究内容如下：1）通过数据扩充与迁移学习的策略，解决微生物显微图像的小数据集问题；2）研究成对的深度卷积神经网络特征提取算法，解决丛生微生物个体形态及空间结构的表征问题；3）研究新型的条件随机场分类器模型，达到对微生物同步地实施像素与图像级别分类的目的。本项目致力于研究新颖的人工智能方法在环境微生物学中的应用，研究基础扎实、目标明确、可行性充分，具备高度的社会价值与科研意义。

环境微生物分类是利用环境微生物学方法进行环境质量监测与环境污染治理的重要技术手段，受到世界各国的高度重视，但是传统分类方法往往存在二次污染、设备昂贵及耗时漫长等缺陷。蓬勃发展的人工智能技术为解决以上问题提供了新的契机，可以通过分析微生物显微图像的视觉信息，达到无污染、低投入和高效率分类的目标。在申请人前期研究的基础上，本项目拟开发一种条件随机场与深度学习相结合的方法，对环境微生物同步地实施像素级别与图像级别的分类，具体研究内容如下：1）通过数据扩充与迁移学习的策略，解决微生物显微图像的小数据集问题；2）研究成对的深度卷积神经网络特征提取算法，解决丛生微生物个体形态及空间结构的表征问题；3）研究新型的条件随机场分类器模型，达到对微生物同步地实施像素与图像级别分类的目的。本项目致力于研究新颖的人工智能方法在环境微生物学中的应用，研究基础扎实、目标明确、可行性充分，具备高度的社会价值与科研意义。