自動花粉（パリノロジー）解析システム：H∞ブライトフィールド顕微鏡における深層メトリック学習とU²-Net検出の統合

arXiv cs.CV / 2026/4/21

📰 ニュースDeveloper Stack & InfrastructureSignals & Early TrendsModels & Research

共有:

要点

本研究は、サンプルあたり4〜6時間を要し主観性がある従来のメリッソパリノロジーを置き換える自動・高スループットの顕微鏡解析システムを提案する。
H∞の頑健な機械制御に加え、U²-Netを用いて顕著な花粉領域（サリ）を検出する深層学習パイプラインを統合している。
花粉の分類と特徴抽出には、深層メトリック学習で学習したDINOv2ビジョントランスフォーマーを用いる。
Gradient-Weighted Attentionにより、人が解釈できるテクスチャおよび診断的特徴の注釈を生成し、専門家の理解を助けることを目指している。
結果として分類リコール95.8%と、手作業の専門家解析に比べて6倍の処理速度向上が報告されている。

Abstract

伝統的なメリソパリノロジー（花粉分析）は時間を要し、かつ主観的なプロセスであり、サンプルごとにしばしば4〜6時間かかります。われわれは、自動化された高スループットの顕微鏡システムを提示します。このシステムは、

H\infty

の頑健な機械制御と、高度なディープラーニングのパイプラインを統合することで、チリ中南部の南中部領域における Bio Bio 地域の花粉粒の正確なカウント、分類、および形態学的解析を実現します。われわれのシステムは、顕著物体検出に

U^{2}

-Net を用い、分類のために Deep Metric Learning により学習した DINOv2 Vision Transformer のバックボーンを採用しています。Gradient-Weighted Attention を統合することで、モデルは人が解釈可能なテクスチャと診断的な特徴の注釈を提示します。本システムは、手作業の専門家解析と比較して、分類のリコール率 95.8