通过对抗性领域适应提升食品安全细菌分类的人工智能显微镜技术

本研究旨在解决传统培养基方法在食品安全检测中的局限性，利用对抗性领域适应技术增强人工智能显微镜在细菌分类中的普适性。研究表明，这种方法在不同显微镜模式和变异条件下显著提高了分类准确率，从而为资源有限的环境中的细菌检测提供了一种可扩展和适应性强的框架。