holographic image dataset for microplastics

这是一个微塑料颗粒的数据集，通过数字同轴全息系统捕捉。该数据集用于‘全息分类器：数字全息中的深度学习用于自动微物体分类’研究，已被接受在‘第18届IEEE工业信息学国际会议（INDIN 2020）’的‘数字全息在工业应用中的特殊会议’以及‘使用全息分类和深度学习监测微塑料污染’，《物理学报：光子学》，2021年。

This is a dataset of microplastic particles captured by a digital in-line holography system. The dataset is utilized in the research titled 'Holographic Classifier: Deep Learning in Digital Holography for Automatic Classification of Micro-objects,' which has been accepted for the 'Special Session on Digital Holography in Industrial Applications' at the '18th IEEE International Conference on Industrial Informatics (INDIN 2020)' and for the publication 'Monitoring Microplastic Pollution Using Holographic Classification and Deep Learning,' in the 'Journal of Physics: Photonics,' 2021.

原始信息汇总

微塑料全息图像数据集概述

数据集用途

本数据集用于“全息分类器：数字全息中的深度学习用于自动微物体分类”的研究，该研究已被接受发表于以下会议和期刊：

• 第18届IEEE国际工业信息学会议（INDIN 2020）的“数字全息在工业应用中的特殊会议”
• 《物理学报：光子学》（2021年）中的“使用全息分类和深度学习监测微塑料污染”

数据采集方法

数据集通过数字内联全息系统捕获。

数据标注方式

• 按类型标注：微塑料颗粒的类型通过其对应的文件夹名称展示。
• 按数量标注：图像中微塑料颗粒的数量与图像文件名中的第一个数字相同。

引用要求

任何引用此数据集的研究需明确指出数据来源。

搜集汇总

数据集介绍

构建方式

该数据集通过数字内联全息系统捕获微塑料颗粒的图像，构建而成。这一过程确保了图像的高分辨率和精确性，为后续的深度学习模型训练提供了坚实的基础。每张图像均按照微塑料颗粒的类型和数量进行了细致的标注，类型信息体现在相应的文件夹名称中，而数量信息则通过文件名的第一个数字来表示。

特点

此数据集的显著特点在于其高精度的图像捕获和详尽的标注体系。通过数字内联全息技术，数据集中的每一张图像都能清晰地展示微塑料颗粒的细节，为分类和识别任务提供了丰富的视觉信息。此外，数据集的标注不仅涵盖了颗粒的类型，还精确记录了每张图像中的颗粒数量，极大地增强了数据集的实用性和研究价值。

使用方法

该数据集主要用于训练、验证和测试全息分类器，以实现微小物体的自动分类。使用者可以通过加载数据集中的图像和相应的标注信息，构建和优化深度学习模型。在引用此数据集时，需明确标注其来源，以确保学术研究的严谨性和透明度。

背景与挑战

背景概述

在环境科学领域，微塑料污染已成为一个日益严重的全球性问题。为了应对这一挑战，研究人员开发了全息图像数据集用于微塑料颗粒的分类。该数据集由数字内联全息系统捕获，旨在支持深度学习技术在数字全息术中的应用，特别是用于自动微小物体分类的研究。该数据集的核心研究问题是如何通过全息图像准确识别和分类微塑料颗粒，这对于微塑料污染的监测和控制具有重要意义。该数据集的创建和应用在2020年IEEE工业信息学国际会议（INDIN 2020）的“数字全息术在工业应用中的特殊会议”上被接受，并在2021年的《物理学杂志：光子学》上发表，进一步提升了其在相关领域的影响力。

当前挑战

该数据集在构建和应用过程中面临多项挑战。首先，微塑料颗粒的多样性和复杂性使得图像捕获和分类变得困难。其次，全息图像的获取需要高精度的光学系统，这增加了数据集构建的技术难度。此外，数据集的标注工作也极具挑战性，因为需要准确识别每张图像中的微塑料颗粒类型和数量。这些挑战不仅影响了数据集的质量，也对后续的深度学习模型训练提出了高要求。因此，如何克服这些技术难题，提高数据集的准确性和可靠性，是当前研究的重要方向。

常用场景

经典使用场景

在微塑料研究领域，全息图像数据集被广泛应用于深度学习模型的训练与验证。该数据集通过数字同轴全息系统捕捉微塑料颗粒的图像，为研究人员提供了一个标准化的数据来源。其经典使用场景包括构建和优化全息分类器，以实现对微塑料颗粒的自动分类。这种应用不仅提高了分类的准确性，还显著减少了人工干预的需求，从而推动了微塑料污染监测技术的发展。

实际应用

在实际应用中，该数据集被用于开发和验证微塑料污染监测系统。这些系统可以部署在河流、海洋等自然环境中，实时监测微塑料的分布和浓度。通过结合全息技术和深度学习，这些系统能够提供高精度的数据，为环境保护机构和科研人员提供决策支持。此外，该数据集的应用还促进了相关设备和技术的商业化，推动了微塑料污染治理的产业化进程。

衍生相关工作

基于该数据集，研究人员已发表多篇重要论文，包括在IEEE国际工业信息学会议（INDIN 2020）上的“全息分类器：数字全息术在自动微物体分类中的深度学习”和在《物理学杂志：光子学》（Journal of Physics: Photonics）上的“使用全息分类和深度学习的微塑料污染监测”。这些工作不仅展示了数据集在学术研究中的价值，还激发了更多关于微塑料污染监测和治理的创新研究。