Assessment of microalgae species, biomass and distribution from spectral images using a convolution neural network
Salmi, Pauliina; Calderini, Marco; Taipale, Sami; Pölönen, Ilkka; Pääkkönen, Salli (2021). Assessment of microalgae species, biomass and distribution from spectral images using a convolution neural network. V. 2.9.2021. 10.17011/jyx/dataset/78519
Päivämäärä
2021-11-08Tekijänoikeudet
Salmi, Pauliina
Artikkeliin "Assessment of microalgae species, biomass and distribution from spectral images using a convolution neural network" liittyvä aineisto koostuu seuraavista osista:
1.Transmittanssi-hyperspektrikuvat levänäytteistä kuvattuina 24-kuoppalevyllä
2.Biomassamääritykset elektronisella solulaskurilla
3.Opetus- ja validointiaineisto konvoluutioneuroverkolle
4.Testiaineisto konvoluutioneuroverkolle
5.Opetus-, validointi- ja testiaineiston käsittelyyn käytetty Python koodi
6.Seitsemään eri malliin käytetty Python koodi ja mallit itsessään The data and code related to the article "Assessment of microalgae species, biomass and distribution from spectral images using a convolution neural network" consist of the following parts:
1.Spectral transmittance images of algal samples on 24-well plates
2.Biomass assessments by an electronic cell counter
3.Training and validation data for a convolution neural network
4.Test data for a convolution neural network
5.Python code for training and validation and test data processing
6.Python code for running three replicates of seven different topologies of a convolution neural network and the models themselves
Julkaisija
University of JyväskyläAineisto tutkimustietojärjestelmässä
https://converis.jyu.fi/converis/portal/detail/ResearchDataset/100371295
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Tutkimusdata [277]
Rahoittaja(t)
Suomen Akatemia; Academy of FinlandRahoitusohjelmat(t)
Tutkijatohtori, SA; Postdoctoral Researcher, AoFLisenssi
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Assessment of microalgae species, biomass, and distribution from spectral images using a convolution neural network
Salmi, Pauliina; Calderini, Marco; Pääkkönen, Salli; Taipale, Sami; Pölönen, Ilkka (Springer Science and Business Media LLC, 2022)Effective monitoring of microalgae growth is crucial for environmental observation, while the applications of this monitoring could also be expanded to commercial and research-focused microalgae cultivation. Currently, the ... -
Tree Species Identification Using 3D Spectral Data and 3D Convolutional Neural Network
Pölönen, Ilkka; Annala, Leevi; Rahkonen, Samuli; Nevalainen, Olli; Honkavaara, Eija; Tuominen, Sakari; Viljanen, Niko; Hakala, Teemu (IEEE, 2019)In this study we apply 3D convolutional neural network (CNN) for tree species identification. Study includes the three most common Finnish tree species. Study uses a relatively large high-resolution spectral data set, ... -
Chlorophyll Concentration Retrieval by Training Convolutional Neural Network for Stochastic Model of Leaf Optical Properties (SLOP) Inversion
Annala, Leevi; Honkavaara, Eija; Tuominen, Sakari; Pölönen, Ilkka (MDPI AG, 2020)Miniaturized hyperspectral imaging techniques have developed rapidly in recent years and have become widely available for different applications. Combining calibrated hyperspectral imagery with inverse physically based ... -
Tree species classification of drone hyperspectral and RGB imagery with deep learning convolutional neural networks
Nezami, Somayeh; Khoramshahi, Ehsan; Nevalainen, Olli; Pölönen, Ilkka; Honkavaara, Eija (MDPI AG, 2020)Interest in drone solutions in forestry applications is growing. Using drones, datasets can be captured flexibly and at high spatial and temporal resolutions when needed. In forestry applications, fundamental tasks include ... -
The Impact of Regularization on Convolutional Neural Networks
Zeeshan, Khaula (2018)Syvä oppiminen (engl. deep learning) on viime aikoina tullut suosituimmaksi koneoppimisen menetelmäksi. Konvoluutio(hermo)verkko on yksi suosituimmista syvän oppimisen arkkitehtuureista monimutkaisiin ongelmiin kuten kuvien ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.