Załącznik nr. 2 do raportu końcowego projektu nr N N

Transkrypt

1 Nr umowy 7207/B/P01/2011/40 Pomiar stopnia rozwoju systemu korzeniowego wybranych roślin uprawnych w oparciu o komputerową analizę obrazu kierownik projektu: dr inż. Krzysztof Nowakowski wykonawcy: prof. dr hab. inż. Jerzy Weres prof. dr hab. Andrzej Blecharczyk dr inż. Krzysztof Koszela dr inż. Sebastian Kujawa dr inż. Tomasz Piechota dr inż. Zuzanna Sawińska dr inż. Robert Jacek Tomczak mgr inż. Tomasz Kluza mgr inż. Przemysława Jan Nowak Poznań, dn. 12 listopada 2014 r. Strona 1 z 63

2 Spis treści 1 Wstęp. 2 Realizacja zadań badawczych Przygotowanie poletek doświadczalnych i uprawa roślin celem pozyskania próbek korzeni Pozyskiwanie i przygotowanie próbek badawczych Akwizycja obrazu próbek korzeni z uwzględnieniem zaproponowanych metod Opracowanie i testowanie algorytmów ekstrakcji cech do pomiarów stopnia rozwoju korzeni na podstawie zdjęć cyfrowych oraz testowanie przyjętych metod pozyskiwania informacji o korzeniach Przetwarzanie i analiza obrazów, testowanie przyjętych metod pozyskiwania informacji o korzeniach Budowa modelu pomiaru stopnia rozwoju systemu korzeniowego oraz implementacja modelu w internetowym systemie informatycznym Opracowanie i dokumentacja zaproponowanej metodyki pomiaru stopnia rozwoju systemu korzeniowego, przygotowanie publikacji i prezentacja wyników i sprawozdania końcowego. 3 Wyniki i wnioski. 4 Literatura. 5 Aneks. Strona 2 z 63

3 1. Wstęp Ogromna pracochłonność i trudności techniczne związane z badaniami systemów korzeniowych sprawiają, że ta tematyka rzadko pojawia się w pracach z zakresu nauk o glebie i roślinie. W badaniach wegetacyjnych obserwuje się wiele zjawisk, których przyczyny nie potrafiono do tej pory wyjaśnić. informacji o systemie korzeniowym sprawia, że nie można w bezpośredni sposób powiązać zmian zachodzących w glebie z reakcją rośliny uprawnej. Obróbka i analiza obrazu, zwłaszcza dużych plików, stawia wysokie wymagania sprzętowe. Dotychczas używane oprogramowanie, również to komercyjne, było ograniczone możliwościami technicznymi dostępnych komputerów PC. Korzystanie z programu wytworzonego w ramach projektu pozbawione będzie w/w niedogodności. System wspomagany jest przez serwer o dużej mocy obliczeniowej. Bieżący napływ informacji dla twórców systemu i uzyskiwane zwrotnie dane od jego użytkowników, pozwolą na bieżącą aktualizację produktu wraz z rozwojem możliwości technicznych oraz potrzeb doświadczalnictwa. Możliwe stanie się powstanie spirali wzajemnego rozwoju obu dziedzin. Zaproszony interdyscyplinarny zespół posiada niezbędne doświadczenie do realizacji projektu. Przedstawiony w rozdziale 2 przegląd stanu wiedzy dotyczącej zagadnienia oceny rozwoju systemu korzeniowego oraz zastosowania technologii komputerowej analizy obrazu do pomiaru stopnia rozwoju korzeni wskazuje na to, że brak jest na dzień dzisiejszy metod szybko i efektywnie przeprowadzających ten proces. Nie można obecnie wskazać metody, która realizowałaby to zadanie w sposób zadowalający. Analiza aktualnie stosowanych metod wskazuje na celowość poszukiwania nowych, lepszych instrumentów wspomagających proces oceny. Dopracowanie wyżej wymienionych technologii może pozwolić na wytworzenie modelu, który w procesie oceny rozwoju systemu korzeniowego mógłby konkurować z ludzkim okiem. Metoda ta może mieć istotne znaczenie utylitarne, szczególnie w kontekście automatyzacji prac w szeroko rozumianym rolnictwie. Opracowanie nowego narzędzia, opartego na metodyce i modelu będącymi przedmiotem projektu, pozwoli na zintensyfikowanie prac nad tą tematyką przy jednoczesnym znacznym podniesieniu ich wartości poznawczej. Wykorzystanie najnowszych, dostępnych technologii pozwoliło stworzyć system dokonujący dokładnych pomiarów wielu parametrów i jednocześnie ograniczyło kłopotliwe zabiegi związane z przygotowywaniem próbek oraz pozyskiwaniem obrazu korzeni. Możliwa stała się obróbka dużych ilości próbek, co przy znacznym zróżnicowaniu rozmieszczenia korzeni w glebie pozwoliło na znaczne zwiększenie dokładności i wartości poznawczej uzyskiwanych Strona 3 z 63

4 wyników. Wytworzony i zaimplementowany model znajdzie zastosowanie głównie w badaniach z zakresu uprawy roli, nawożenia, nawadniania, fitopatologii, fizjologii roślin, hodowli, zanieczyszczenia i ochrony środowiska, ale również w innych, związanych ze wzrostem roślin. Korzenie stanowią pomost pomiędzy podłożem a nadziemnymi częściami roślin. Za ich pośrednictwem roślina jest zaopatrywana w wodę i sole mineralne pobierane z gleby oraz utrzymuje pionową pozycję. Dzięki licznym modyfikacjom pełnią wiele innych funkcji: spichrzowe, kurczliwe, podporowe, oddechowe, czepne. W korzeniach tworzy się wiele związków chemicznych potrzebnych całej roślinie, niektóre hormony, alkaloidy czy aminokwasy. Większość zabiegów agrotechnicznych jest bezpośrednio nastawiona na zapewnienie korzeniom roślin uprawnych korzystnych warunków do rozwoju i funkcjonowania. Mechaniczna uprawa roli, nawożenie, odchwaszczanie, nawadnianie i inne zabiegi melioracyjne bezpośrednio oddziałują na systemy korzeniowe roślin a dopiero pośrednio wywierają wpływ na rozwój części nadziemnych. Badania naukowe koncentrują się jednak na rozwoju części nadziemnych najczęściej pomijając reakcje systemu korzeniowego. Dokładne poznanie reakcji korzeni pozwoliłoby wyjaśnić wiele zjawisk i zależności, które są obserwowane ale ich przyczyny wciąż pozostają naukową zagadką. Za główną przyczynę pomijania w badaniach agrotechnicznych sfery rozwoju systemu korzeniowego należy uznać znaczne trudności techniczne i metodyczne w tego typu badaniach. Korzenie roślin rozwijają się w glebie, przez co niemożliwa jest ich bezpośrednia obserwacja. Konieczne staje się pobieranie próbek glebowych, z których dopiero można pozyskiwać próbki korzeni do dalszych pomiarów. Korzenie roślinne zajmują w glebie tylko bardzo niewielką objętość a jednocześnie rozwijają olbrzymią powierzchnię chłonną i długość dochodzącą do kilku kilometrów na jednej roślinie. Nie przerastają gleby równomiernie, ich ilość i średnica zmienia się wraz z głębokością i odległością od rośliny. Wszystko to sprawia, że dla uzyskania pełnego obrazu konieczne jest pobieranie próbek z wielu miejsc. Stosunkowo łatwiejsze jest prowadzenie badań w skali laboratoryjnej. Przy uprawie pojedynczej rośliny w wazonie lub nawet bez gleby w hydroponiku łatwo uzyskujemy cały, nieuszkodzony system korzeniowy rośliny, na którym można przeprowadzać pomiary masy, długości korzeni głównych, liczby korzeni bocznych pierwszych rzędów, liczby korzeni zarodkowych itp. Są jednak parametry trudno mierzalne, na przykład całkowita długość wszystkich korzeni, ich średnica, liczba czy długość w poszczególnych klasach wielkości, liczba rozgałęzień bocznych, które ze względu Strona 4 z 63

5 na ogromną pracochłonność i trudności techniczne mogą być oznaczane tylko na bardzo małych systemach korzeniowych, głównie siewkach. W badaniach polowych najczęściej oznaczanym parametrem jest świeża lub sucha masa korzeni na jednostce powierzchni pola, ewentualnie z podziałem na warstwy gleby. Metoda ta daje bardzo niewiele informacji o rozwoju i kondycji systemu korzeniowego roślin, jest jednak relatywnie najmniej pracochłonna i przez to technicznie możliwa do przeprowadzenia nawet bez bardzo specjalistycznego sprzętu. Wymaga wycięcia dużego monolitu gleby, wydzielenia korzeni przez ich wymycie, oddzielenia zanieczyszczeń i zważenia. Więcej informacji dają rhizotrony, których podstawowym elementem jest płyta z przezroczystego materiału umieszczona pionowo w glebie. Umożliwia to obserwacje rozwoju korzeni, które rosną bezpośrednio przy jej powierzchni. Tego typu urządzenia pozwalają na ciągłą obserwację rozwoju korzeni i przez to są przydatne do badań nad tempem ich rozwoju. Często oznaczanym parametrem jest tutaj liczba korzeni na jednostce powierzchni szyby, przy założeniu że kierunek wzrostu korzeni w glebie jest losowy, ten parametr jest skorelowany z zagęszczeniem korzeni w glebie. Jednakże wyniki badań wskazują, że nie zawsze ta zależność jest ścisła. Innym problemem występującym w badaniach rhizotronowych jest brak możliwości pełnego odtworzenia wszystkich warunków polowych. Podobne zastrzeżenia dotyczą metody minirhizotronowej, gdzie zamiast dużej płyty stosowane są rurki z przezroczystego materiału i mały aparat fotograficzny lub kamera wpuszczane do ich wnętrza dla uzyskania obrazu. Potencjalnie najdokładniejsze wyniki można uzyskać stosując metody destrukcyjne, polegające na pobraniu próbek gleby o znanej objętości, wydzieleniu z nich korzeni i dalszych pomiarach. Umożliwia to uzyskiwanie próbek korzeni z rzeczywistych warunków polowych, w dowolnie wybranym czasie, głębokości i miejscu względem rośliny. Próbki gleby lub oddzielonych korzeni mogą być zakonserwowane i przechowywane przez dowolnie długi czas do momentu pomiaru. Cały proces składa się z czterech najważniejszych etapów: pobrania próbek gleby, wydzielenia i oczyszczenia korzeni, uzyskania ich wyraźnego obrazu oraz dokonania pomiaru. Pierwsze metody z tej grupy oparte były na ręcznym przeprowadzaniu wszystkich etapów analizy. Do pomiarów zagęszczenia korzeni używano najczęściej różnych wersji metody przecięć. Na płasko rozłożoną próbkę korzeni nakładano kratownicę z cienkich przewodów i liczono ręcznie liczbę przecięć korzeni z kratownicą. Wraz z pojawieniem się możliwości elektronicznej analizy obrazu pojawiły się pierwsze programy do pomiaru binarnych obrazów próbek korzeni. Pierwsze wersje dawały możliwość pomiaru sumarycznej długości korzeni w próbce, później doszły możliwości podziału na frakcje w zależności od średnicy korzenia. Są to jednak proste programy (np. pracujące w Strona 5 z 63

6 środowisku DOS), stworzone na potrzeby konkretnych zespołów badawczych i dla nich dostosowane (Rys. 1). Rys.1. Program ROOTEDGE (z lewej) i wygląd pliku graficznego w postaci wymaganej przez program Nadal problemem pozostawała konieczność dokładnego oczyszczania próbek oraz uzyskanie wystarczająco kontrastującego obrazu, co wymagało wybarwiania korzeni oraz stosowania skanerów z dodatkowym źródłem światła. Równocześnie powstawały programy, które pozwalają dokonywać pomiarów na dowolnym obrazie korzeni, lecz wymagają ręcznego śledzenia mierzonego obiektu przy pomocy myszki, np. WinRHIZO wytworzony przez Regent Instruments Inc. (Rys. 2). Rys. 2. Program WinRHIZO firmy Regent Instruments Inc. (źródło: Strona 6 z 63

7 Wspólną wadą wszystkich rozwiązań jest brak przyjaznego użytkownikowi środowiska pracy, co wiąże się z koniecznością wielokrotnego, ręcznego wykonywania czynności związanych z wyborem pliku do analiz, wykonywania operacji na obrazie oraz zapisywania wyników i jest szczególnie uciążliwe przy długich seriach pomiarów. Porównanie możliwości i efektów działania programów WinRHIZO i ROOTEDGE przedstawiono w publikacji [1]. W ostatnich latach notujemy bardzo szybki postęp w dziedzinie komputerowej analizy obrazu, obróbki obrazu i możliwości obliczeniowych komputerów, co daje szansę na opracowanie nowej generacji oprogramowania, pozwalającego na uproszczenie procedur związanych z uzyskiwaniem obrazu oraz jego przetwarzaniem, a także umożliwiającego mierzenie parametrów do tej pory niemierzalnych. Podjęto również działania zmierzające do przeniesienia programu do środowiska Internetu. Powstał projekt RootImage, który pozwala na pomiary systemów korzeniowych roślin z wykorzystaniem aplikacji działających na serwerach. Takie rozwiązanie zwiększa komfort pracy. Wyniki działania aplikacji przedstawiono na rys. 3. Rys. 3. Od lewej: strona programu Rootimage (rootimage.msu.edu), przykładowa fotografia korzeni i wynik działania programu (fot. własna) W polskiej literaturze naukowej z zakresu uprawy roli i roślin można znaleźć niewiele prac na temat wzrostu i rozwoju systemu korzeniowego, a większość z nich nadal operuje prostym parametrem ilości suchej masy. Dla niektórych zagadnień jest to wystarczające, ale jednocześnie wskazuje na brak odpowiednich rozwiązań umożliwiających bardziej zaawansowane badania w tym zakresie. Strona 7 z 63

8 2. Realizacja zadań badawczych 2.1. Przygotowanie poletek doświadczalnych i uprawa roślin celem pozyskania próbek korzeni. Do prac na systemem zostały wybrane gatunki roślin o zróżnicowanej morfologii uzyskanych próbek korzeni. Do prac nad modelem procesu oceny wykorzystane zostały korzenie kukurydzy, pszenicy i rzepaku. Do zbioru próbek wybrane zostały obiekty o zróżnicowanej agrotechnice: uprawa orkowa, bez orkowa, siew bezpośredni, nawożenie mineralne, słomą, międzyplonami, obornikiem, uprawa w monokulturze i w zmianowaniach. Zapewniło to zróżnicowanie morfologiczne pobieranych korzeni oraz zróżnicowanie występujących w próbkach zanieczyszczeń. Próbki pobierane były z pól doświadczalnych Katedry Agronomii przy pomocy próbnika puszkowego, z rzędu i międzyrzędzia roślin, z podziałem na warstwy o miąższości 10cm, do głębokości 60 cm. Pozyskane próbki gleby po wstępnym oczyszczeniu były przechowywane w warunkach chłodniczych i zamrażarce, w zależności od terminu dalszej obróbki. Do pozyskiwania całych, nienaruszonych systemów korzeniowych, rośliny były uprawiane w szklarni Katedry Agronomii, z wykorzystaniem wazonów o pojemności 10 litrów. Uprawiane były pszenica, rzepak i kukurydza po jednej roślinie na wazon. Po wyjęciu bryły korzeniowej z wazonu gleba usuwana była pod delikatnym strumieniem wody. Pozyskiwanie próbek przeprowadzano sukcesywnie co dwa tygodnie od wschodów roślin, do momentu, gdy rozwijający się system korzeniowy stał się zbyt duży do przeprowadzenia pomiarów w stanie nienaruszonym. Gdyby zaistniała konieczność ponownego skanowania wykorzystanych próbek (np. w celach weryfikacyjnych) część z nich konserwowano w 40% roztworze etanolu i umieszczono w warunkach chłodniczych. Uprawa w wazonach prowadzona była na zróżnicowanym podłożu. W pierwszym etapie prac w glebie pochodzącej z pól doświadczalnych Katedry Agronomii (piaski gliniaste lekkie i mocne) a po opracowaniu pierwszej wersji metodyki pozyskiwania próbek również na glebie mineralnej o znacznie cięższym składzie granulometrycznym (gliny średnie i ciężkie) oraz w organicznych podłożach ogrodniczych Pozyskiwanie i przygotowanie próbek badawczych. Do przetestowania opracowanej metody pobrano próbki z poletek doświadczalnych prowadzonych w Rolniczym Zakładzie Doświadczalnym Brody należącym do Uniwersytetu Strona 8 z 63

9 Przyrodniczego w Poznaniu. Pobierano próbki z korzeniami kukurydzy, pszenicy jarej i pszenicy ozimej w pełni rozwoju systemu korzeniowego po kwitnieniu roślin. Pobrano próbki z poletek uprawianych tradycyjnie oraz po uprawie zerowej, żeby otrzymać różnorodność jakość wyników w zanieczyszczeń częściami organicznymi i w zróżnicowanym rozwoju korzeni. Do testów pobierano rdzenie glebowe dedykowanym do tego świdrem puszkowym o średnicy 8 cm firmy Eijkelkamp. Rdzenie glebowe były pozyskiwane z warstw 0-10, 10-20, 20-30, 30-45, cm. Następnie umieszczano w odpowiednio opisanych woreczkach, które były przechowywane w chłodni w temperaturze 5 C maksymalnie do tygodnia. Cześć prób była przemywana ręcznie przez wielokrotnie mieszanie w wiadrze z wodą i przelewanie uzyskiwanego roztworu przez sita laboratoryjne o średnicy 20 cm i średnicy oczek sit 0,5 i 0,25 mm. Mierzono czas potrzebny do przemycia jednej próbki, a także obserwowano całą metodę pod kątem jej uciążliwych elementów. Do przemycia pozostałych próbek użyto metody hydropneumoeliutracji, korzystając z aparatu opracowanego w Michigan State University w Stanach Zjednoczonych (Smucker i in. 1982). Na podstawie opisanego aparatu skonstruowano prototyp dopasowany do polskich warunków, takich jak dostępność rur PCV, węży o innej średnicy, a także dysz o innym wydatku cieczy. Hydropneumoeliutriator zbudowany jest z rur kanalizacyjnych, dysz opryskiwacza oraz zaworu powietrznego. W trakcie prób dobierano średnice rur oraz parametry cieczy i powietrza w celu optymalizacji zestawu. Przemyte korzenie trafiały do wiadra z donicą w środku, na której umieszczano sito o średnicy 20 cm i średnicy oczek 0,25 mm lub 0,5 mm. Sito zanurzono w wodzie, przez co ograniczano siłę uderzenia wymytych korzeni z powierzchnią sita. Urządzenie jest zasilane wodą bieżącą i powietrzem sprężonym z kompresora, którego przepływ regulowany był zaworami. Urządzenie też posiada zbiornik na części mineralne gleby i wodę. Nadmiar wody jest odprowadzany wężem do kanalizacji. Obserwowano pracę pod kątem uciążliwości pracy tego urządzenia. Mierzono osobno ilość robocizny i czas pracy samego urządzenia. Strona 9 z 63

10 Rys.4. Zestaw hydropneumoeliutracyjny skonstruowany w Katedrze Agronomi UP w Poznaniu, 1- Kolumny wymywające, 2- Pojemniki z wodą i sita, 3- Zbiornik na wymytą wodę i glebę, 4- Kompresor pneumatyczny., (fot. Kubiak B.) Kolumna wymywająca opisana przez Snuckera i in. (1982) składa się z następujących podzespołów (rys. 5 z lewej): A. Komora wymywająca. B. Komora eliutracyjna. C. Rura transportująca. D. Sito wychwytujące. E. Złącza. Kolumna wymywająca skonstruowana do testu składa się z następujących elementów (rys. 5 z prawej): A. Komora wymywająca. B. Komora eliutracyjna. F. Przelew. G. Lej zasypowo rozładunkowy. Strona 10 z 63

11 Rys.5. (I) - Kolumna wymywająca hydropneumoeliutatora według Smuckera (po lewej), (II) - Kolumna wymywająca opracowana w Katedrze Agronomi UP w Poznaniu (fot. Kubiak B.) Kolumnę wymywającą zbudowano z następujących powszechnie dostępnych elementów (od dołu): Korek PCV 160 mm, wentyl samochodowy zamontowany w korku PCV od dołu, mufka PCV 160 mm, uchwyt rury z opaską 160 mm, rozpylacze wodne płasko strumieniowe typu 0,4/110 zamontowane po bokach w korku PCV, węże hydrauliczne 1/2", trójniki 1/2", opaski 1/2", redukcji mm, uchwyt rury z opaską 110 mm, redukcji mm, opaski 110 mm, rury PCV 75 mm, długości 0,5 m, uchwyt rury z opaską 75 mm, trójnika PCV 75 mm, kolanka PCV 75 mm - 45 stopni, wsyp PCV, zawias. Całość zamontowano do kształtowników stalowych przymocowanych na zawiasach do zbiornika. Pojemniki (donice) i umieszczone w nich sita zamontowano na ramie zbiornika. Zbiornik Strona 11 z 63

12 wykonano z dolnej połowy zbiornika polietylowego (HDPE) typ DPPL o pojemności Całość obramowano kształtownikami stalowymi i zamontowano na Zestawie jezdnym. Do całego zastawu podłączony jest kompresor pneumatyczny poprzez spiralny wąż dostarczający sprężone powietrze, a także wąż z wodą bieżącą. Do regulacji sprężonego powietrza zamontowano rotametr, a do wody zawór kulowy i przepływomierz. Oryginalna komora wymywająca była zbudowana z rury o średnicy 130 mm (5") natomiast w Polsce takie rury są niedostępne. Po przetestowaniu Najbliższych dostępnych średnic rur 110 mm i 160 mm stwierdzono że obie spełniają swoje zadanie (silny wir wody rozmywający próbki). Ostatecznie wybrano średnicę rury 160 mm, ponieważ duża komora mieści w sobie większe próbki. W trakcje konstruowania komory eliutracyjnej testowano rury o średnicy od 37 mm do 110 mm. Rura o średnicy 37 mm sprawiała już problemy przy samym napełnianiu. Rura o średnicy 50 mm sprawiła kłopoty z próbkami o dużych korzeniach (próbki z korzeniami kukurydzy, szczególnie z pod rośliny), które często blokowały się w wewnątrz komory. Takich problemów nie stwierdzono w komorach o średnicy 75 mm i 110 mm, jednakże w komorze o największej średnicy ruch wody był bardzo powolny co w efekcie zmniejszało efektywność elutriacji oraz podwajało czas przemywania w porównaniu do komory o średnicy 75 mm. W zmodyfikowanej kolumnie wymywającej zrezygnowano z rury transportowej i złącza na rzecz trójnika z przelewem i lejem zasypowym. Dzięki czemu uproszczono obsługę eliminując konieczność rozłączania elementów po każdej wymytej próbce. Podstawową korzyścią z modyfikacji jest możliwość bieżącej obserwacji wnętrza komory eliutracyjnej. W czasie obserwacji takiego rozwiązania w pracy stwierdzono łatwe przelewanie się korzeni z komory eliutracyjnej przez przelew na sito. Zmodyfikowano również przejście z eliutratora na sito, rezygnując ze szczelnego rozłączonego połączenia elementów. W nowym rozwiązaniu pojemnik z sitem podstawiono pod przelew kolumny. Dzięki czemu możliwi jest swobodna obserwacja wnętrza sita w czasie elutriacji i ingerencja w miarę potrzeby (np. podczas gromadzenia się słomy, zatrzymujących się cząstek gleby. Łatwiej jest również stwierdzić całkowite wymycie próbki. W trakcie opracowania metody testowano również sita o średnicy oczek 0,25 mm i 0,5 mm, które podczas pracy były zanurzone w wodzie podobnie jak opracowaniu Smuckera i in. (1982). Dzięki takiemu rozwiązaniu strumień wody z korzeniami wytracał prędkość w kontakcie z powierzchnią wody stagnującej w sicie. Sito o średnicy oczek 0,25 mm zamulało się regularnie często drobnymi cząsteczkami gleby, szczególnie na początku przemywania próbki. Przez to konieczne były przerwy w pracy eliutratora na rzecz przeczyszczenia sita. Takie problemy nie występowały po zastosowaniu sita o średnicy oczek 0,5 mm. Po przelaniu wody przez sito nie zaobserwowano ubytków korzeni, pomimo dużej Strona 12 z 63

13 średnicy oczek. Obserwowano pracę hydropneumoeliutratora przy intensywności podawania powietrza od O do 10 litrów na minutę. Duża intensywność napowietrzania sprzyjała rozmywaniu się próbek w komorze rozmywającej, jednak zwiększała unoszenie się drobnego piasku, którego duże ilości przelewały się na sito wraz z korzeniami. Stwierdzono, że maksymalna intensywność napowietrzania, niepowodująca zapiaszczenia próbki korzeni to do jednego litra na minutę podawanego powietrza. Aby maksymalnie wykorzystać działanie przepływu powietrza do rutynowego przemywana korzeni przyjęto podział na dwie fazy. W pierwszej fazie podczas napełniania kolumny wodą napowietrzanie jest intensywne do dziesięciu litrów na minutę przepływu powietrza, a w czasie przelewu korzeni na sito no ograniczane jest do jednego litra na minutę. Przepływ wody w trakcie wymywania stosowany jest w sposób ciągły, ponieważ wypływająca woda była nie tylko potrzebna do wymywania korzeni, lecz również w trakcie opróżniania kolumny z pozostałych resztek mineralnych gleby. Wrzucana nowa próbka do kolumny trafiała od razu na wirujący strumień wody, który ją rozmywał. Koszt skonstruowania zestawu hydropneumoeliutracyjnego z pojedynczą kolumną wymywającą i jednym pojemnikiem na wodę i dwoma sitami wyniósł 2665,91 złotych (tab.1). Natomiast koszt zbudowania jednej kolumny wymywającej wyniósł 183,91 złotych, a pojemnika na wodę i dwóch sit to 725 złotych. Koszt dodania następnej kolejnej kolumny wymywającej to 908,91 złotych, przy założeniu że trzeba kupić jeszcze dwa sita. Najdroższym elementem okazał się zestaw pneumatyczno-hydrauliczny, który kosztował 1575 złotych. Po zyskaniu korzeni i odseparowaniu zanieczyszczeń pęsetą przenoszono je do pojemników o objętości 125 cm. Próby przechowywano w zamrażalce w temperaturze -18 C. Rozmrożone próbki poddawano doczyszczeniu polegającym na kilkukrotnym zalaniu czystą wodą i dekantacji. Korzenie osiadały na dno, a większe zanieczyszczenia unosiły się i były zlewane. W celu uzyskania czystych korzeni próbkę przenoszono do płaskiego naczynia i ręcznie pęsetą usuwano zanieczyszczenia. Zanieczyszczenia bardzo drobne usuwano w miarę możliwości technicznej przez dekantację. Mieszano wodę i korzenie, ciężkie drobne zanieczyszczenia (nasiona chwastów), pierwsze osiadały na dnie, a korzenie unosiły się i były zlewane na szalkę. Niektórych próbek celowo nie oczyszczano do końca, ponieważ jest to żmudne, jak również po to, żeby ocenić, możliwości zaproponowanych algorytmów w systemie informatycznym. Strona 13 z 63

14 2.3. Akwizycja obrazu próbek korzeni z uwzględnieniem zaproponowanych metod. W celu pozyskania odpowiednich obrazów na rzecz poprawnego działania programu przeprowadzona została odpowiednia analiza materiału badawczego. Materiał badawczy pozyskany z Katedry Agronomi UP został poddany analizie. Do materiału badawczego należały korzenie: kukurydzy żyta pszenicy Wszystkie dostarczone próbki były zamrożone w pojemnikach w różnych stopniach zabrudzenia. Stopnie zabrudzenia próbek możemy podzielić na: korzenie w pełni zabrudzone, nieczyszczone po wyciągnięciu z ziemi korzenie po wstępnym czyszczeniu, oczyszczone z większych zabrudzeń korzenie oczyszczone, oczyszczone z większych i mniejszych zabrudzeń, bez zabrudzeń Aby móc pozyskać obraz cyfrowy korzeni, próbki należało rozmrozić. Podjęto próby skanowania każdego rodzaju korzeni, w każdym stadium zabrudzenia. W celu uzyskania najlepszych wyników pomiarów, korzenie zostały zeskanowane w trzech różnych środowiskach: korzenie mokre, wyciągnięte z pojemnika z próbką korzenie częściowo wysuszone korzenie suche korzenie zamoczone w wodzie w odpowiedniej kuwetce Powyższa próba wykazała, że nie można skanować korzeni wysuszonych, ze względu na wysoki współczynnik skurczu, korzenie traciły swoją objętość. Korzenie mokre, nie zamoczone w wodzie, były mocno zlepione, co powodowało, że wiele odnóg korzenia było niewidocznych na zeskanowanym obrazie. Najlepsze obrazy uzyskano z próbki korzeni zamoczonych w wodzie w odpowiedniej, przezroczystej kuwetce ze szkła nie odbijającego światła. Do skanowania zostały użyte dwa rodzaje wody, woda destylowana oraz woda zwykła, tak aby uzyskać jak najmniejsze starty na jakości zdjęcia oraz brak odbicia światła. Strona 14 z 63

15 Do wykonywania pomiarów w programie RootDetector zostały wybrane korzenie pszenicy, ze względu na ich rozległy kształt, który umożliwiał zbadanie w pełni wydajności systemu. Korzenie pszenicy okazały się również najtrudniejszym do zbadania przypadkiem. Korzenie można było skanować w różnych stopniach zabrudzenia, ze względu na możliwość późniejszego usunięcia zabrudzeń w programie RootDetector, poprzez edycję zdjęcia. Akwizycja obrazów cyfrowych, pozyskanych na potrzeby systemu, odbyła się za pomocą skanera EPSON Protection V750Pro. Po wielu testach parametry akwizycji obrazu, dające najlepsze wynikui w późniejszej obróbce zostały ustawione w sposób następujący: rozmiar zdjęcia: 3209x2513px rozdzielczość: 600 dpi kolor zdjęcia: czarno-biały Skanowanie wykonywane było lampą umieszczoną w pokrywie skanera. Po akwizycji obrazów, zostały one zarchiwizowane na dysku twardym, skąd były pobierane do programu. Mieszaninę korzeni umieszczano w płytkiej warstwie wody na przezroczystych szalkach z tworzywa sztucznego o wymiarach 13 na 13 cm bezpośrednio na szybie skanera. Stosowano różne parametry skanowania, jednocześnie szukając maksymalnego dużego kontrastu pomiędzy korzeniami a tłem (czarno biało). Zaczęto od skanowania zdjęć w pełni koloru. Do skanowania wybrano następujące funkcje: typ dokumentu film, typ kliszy - film czarno biały, rozdzielczość 600 dpi, bez kompresji, przy najlepszej jakości, format pliku bmp Opracowanie i testowanie algorytmów ekstrakcji cech do pomiarów stopnia rozwoju korzeni na podstawie zdjęć cyfrowych oraz testowanie przyjętych metod pozyskiwania informacji o korzeniach. Aby zrealizować cel projektu konieczne było zaproponowanie algorytmów pozyskiwania niezbędnych informacji z obrazów cyfrowych korzeni. Poniżej zostały opisane wykorzystane w projekcie metody pozyskiwania informacji o korzeniach Pomiary Dokonując pomiarów otrzymujemy dane liczbowe, które określają cechy charakterystyczne dla danego elementu na obrazie cyfrowym. Pomiarów możemy dokonywać, korzystając z następujących parametrów: Parametry lokalne, które opisują pewien uśredniony element obrazu (średnia powierzchnia, średni kolor). Parametry globalne, które opisują cechy grup obiektów znajdujących się na obrazie (udział powierzchniowy elementów, liczba obiektów na jednostkę powierzchni lub objętości). Strona 15 z 63

16 Parametry, jakie mogą zostać poddane pomiarom to m.in. pole powierzchni, długość krawędzi, długość rzutów, liczebność elementów, czy też momenty bezwładności. W analizie obrazu cyfrowego, zarówno parametry lokalne, jak i globalne są uśrednione dla poszczególnych obiektów na obrazie. Na podstawie średnich wartości dokonuje się dalszych pomiarów. W celu dokładniejszej oceny i identyfikacji obiektów na obrazie można też dokonać dodatkowych przekształceń, jakimi są, na przykład współczynniki kształtu, które opisane zostały w dalszych rozdziałach pracy. Segmentacja Segmentacja obrazu to proces polegający na podziale obrazu na regiony. Regiony te są homogeniczne pod względem określonych własności i cech. Homogeniczność regionów jest często określana poprzez takie własności, jak poziom szarości, kolor, tekstura. Obraz poddany procesowi segmentacji jest uproszczony i zawiera mniej szczegółów niż obraz wejściowy. Wynikiem tego procesu jest obraz zbliżony do obrazu, który poddany został algorytmom wykrywania krawędzi. Detekcja krawędzi jest jedną z metod segmentacji obrazu. Wybór odpowiedniego rodzaju segmentacji zależy od tego jaki wynik segmentacji użytkownik chce uzyskać. Obraz poddany procesowi segmentacji jest uproszczony, a co za tym idzie jego przetwarzanie oraz późniejsza analiza są łatwiejsze i bardziej efektywne. Z tego powodu postanowienie jakie informacje chcemy uzyskać z obrazu jest tak istotne przed wyborem rodzaju segmentacji. Źle dobrany rodzaj segmentacji w wielu przypadkach uniemożliwia uzyskanie pożądanych informacji, a co za tym idzie przeprowadzenie prawidłowej analizy obrazu. W rezultacie daje to zafałszowane wyniki analizy i prowadzi do uzyskani błędnych informacji z obrazu. Segmentacje możemy podzielić na: metody punktowe o progowanie np. poprzez wykonanie binaryzacji, progowania histogramu o klasteryzacja np. poprzez grupowanie obszarów o zbliżonych barwach metody krawędziowe wymagające zastosowania algorytmów wykrywania krawędzi metody obszarowe o rozrost obszarów (ang. region growing) o łączenie obszarów (ang. region merging) o podział obszarów (ang. region splitting), o metoda podziału i łączenia (ang. split & merge), Strona 16 z 63

17 o segmentacja wododziałowa (ang. watershed segmentation), metody hybrydowe wykorzystujące dwie lub więcej z wymienionych metod Wykrywanie krawędzi Detekcja krawędzi polega na wykrywaniu i zaznaczeniu pikseli na obrazie cyfrowym w miejscach, gdzie zmienia się luminacja. Jak wcześniej wspomniano wykrywanie krawędzi to jedna z metod segmentacji obrazu, która polega na znajdowaniu krawędzi poprzez sprawdzanie ich otoczenia. Zmiany luminancji mogą być wywołane przez: zmianę głębokości zmianę orientacji powierzchni zmianę właściwości materiału różnorodność oświetlenia scen Celem wykrywania krawędzi jest znalezienie granic elementów znajdujących się na obrazie wejściowym. Detekcja krawędzi powoduje spadek ilości danych przechowywanych w obrazie, dzięki czemu dane mniej znaczące są filtrowane. Do głównych metod wykrywania krawędzi możemy zaliczyć: Liczenie pierwszej pochodnej funkcji, która opisuje zmianę poziomu szarości na obrazie Liczenie drugiej pochodnej funkcji, która opisuje zmianę poziomu szarości na obrazie Po obliczeniu pochodnych opisujących zmianę poziomu szarości na obrazie, należy zastosować próg. Próg pozwala określić miejsca, które są krawędziami oraz wyeliminować niebezpieczeństwo pomylenia krawędzi z szumem, występującym na zdjęciu. Im mniejszy próg, tym więcej linii zostanie wykrytych. Wynik działania algorytmu do detekcji krawędzi będzie zależał od zaszumienia obrazu. Im więcej szumu, tym więcej nieistotnych szczegółów zostaje uchwyconych podczas wykrywania krawędzi. W przypadku kiedy próg jest wysoki, możemy spotkać się z sytuacją, kiedy przeoczone zostaną przerywane lub niezbyt wyraźne linie. Algorytmy służące do detekcji krawędzi możemy podzielić na: pierwszego rodzaju np. krzyż Robertsa, operator Prewitta, maska Sobela, operator Canny'ego. drugiego rodzaju np. Marr-Hildreth, detekcja przejścia przez zero drugiej pochodnej zmiany luminancji obrazu. Strona 17 z 63

18 Rys.6. Podział wykrywania krawędzi na obrazie. Źródło własne. Krzyż Robertsa wyznacza krawędź, jako maksimum. Operator ten daje gorsze efekty, jeżeli na obrazie znajduje się szum. Dzieje się tak za sprawą tego, że krzyż Robertsa jest metodą działającą lokalnie brane są pod uwagę jasności pojedynczych pikseli. Mimo wad algorytm jest często używany ze względu na szybkość jego działania. Gradient Robertsa można przedstawić za pomocą maski 2x2: Rys.7. Przykładowa maska Robertsa. Źródło własne. Rys.8. Przykładowe zastosowanie operatora Robertsa. Źródło własne. Operator Sobela, ze względu na wykorzystanie maksimum gradientu, jest operatorem podobnym do krzyża Robertsa. Dzięki filtrom gradientowym temu uzyskujemy mniejszy wpływ działania szumów na algorytm. Maski Sobela mogą być obracane zarówno o 90 o, jak i Strona 18 z 63

19 o kąt 45 o. Maska Sobela o określonej orientacji wydobywa z obrazu linie i struktury o tej właśnie orientacji. Rys.9. Operator Sobela maska pozioma. Źródło własne. Rys.10. Operator Sobela maska pionowa. Źródło własne. Rys.11. Przykładowe działanie na obraz maską Sobela. Źródło własne. Filtry Laplace'a umożliwiają one wykrywanie krawędzi we wszystkich kierunkach, w wyniku czego zastosowanie tej metody daje bardziej wyostrzone krawędzie, niż w przypadku użycia operatora Prewitta, czy Robertsa. Rys.12. Przykładowe zastosowanie operatora Laplace a. Źródło własne. Strona 19 z 63

20 Laplace'a poziomy z ograniczeniem do wykrywania krawędzi poziomych Laplace'a pionowy z ograniczeniem do wykrywania krawędzi pionowych. Operator Prewitta Operator Prewitta likwiduje występowanie niejednoznaczności w operatorach Robersta. Dzieje się tak, poprzez użycie maski 3x3. Przykładowe dwie maski zostały zaprezentowane na rys. 13. Rys.13 Macierz przedstawiająca operator Prewitta. Źródło własne. Binaryzacja Binaryzacja to jeden z ważniejszych procesów przetwarzania obrazów. Bardzo często jest ona niezbędna także przy przeprowadzaniu analizy obrazu oraz w procesach rozpoznawania elementów na obrazie. Binaryzacja polega na zmniejszeniu liczby informacji, które są przechowywane w obrazie. Proces ten polega na przekształceniu obrazu, który ma wiele poziomów szarości na obraz, który zawiera piksele o wartości binarnej. Wartości 0 i 1 oznaczają odpowiednio kolor czarny lub biały. Do najbardziej znanych i popularnych typów binaryzacji należą: binaryzacja z dolnym progiem binaryzacja z górnym progiem binaryzacja z dolnym i górnym progiem (z podwójnym ograniczeniem) Znalezienie progu oznacza sprawdzanie warunku dla każdego piksela obrazu wejściowego. Spełnienie warunku powoduje, że aktualna wartość piksela zamieniana jest na 1, czyli kolor biały. Natomiast jeżeli warunek nie został spełniony, przyjmuje wartość 0, czyli kolor czarny. Strona 20 z 63

21 Najbardziej znaną metodą uzyskiwania wartości progu jest stworzenie histogramu obrazu wejściowego. W najprostszym przypadku histogram przyjmuje kształt krzywej z dwoma garbami. Oznacza to, że na obrazie możemy wyróżnić dwie grupy pikseli: jasne i ciemne. Próg binaryzacji jest ustalany tak, aby jego wartość przypadała w skrajnym punkcie, pomiędzy wspomnianymi garbami. Taki punkt nazywany jest potocznie doliną. Po przejściu procesu progowania, wszystkie punkty obrazu, które są jaśniejsze niż otrzymana wartość progowa będą miały przypisaną wartość 0, zaś punkty o większej jasności wartość 1. Taki proces jest procesem bardzo zbliżonym do procesu segmentacji. Rys.14 Położenie progu binaryzacji. Źródło własne. Istniejące algorytmy można podzielić na te, które wyznaczają pojedynczą wartość progu dla całego obrazu oraz te, w których próg jest wyznaczany niezależnie (lokalnie) dla każdego piksela. Współczynniki kształtu Współczynniki kształtu można podzielić na dwie grupy. Pierwsza to współczynniki, które charakteryzują się możliwością ich szybkiego policzenia to: Bezwymiarowy współczynnik kształtu do ilościowego charakteryzowania cząsteczki Współczynnik cyrkularności Współczynnik Fereta Współczynnik Malinowskiej Strona 21 z 63

22 Drugą grupę tworzą współczynniki, które wykorzystywane są w momencie, kiedy szybkie działanie nie jest najważniejsze, a zależy nam na dużej dokładności pomiaru. Do wspomnianej grupy należą: Współczynnik Blaira-Blissa Współczynnik Danielssona Współczynnik Haralicka Współczynniki kształtu powinny przede wszystkim dobrze różnicować figury o różnych kształtach. Największą zmiennością charakteryzuje się współczynnik Fereta. Dla obiektów bardziej wydłużonych ma on większą wartość niż dla obiektów w kształcie koła, kwadratu czy trójkąta. Dużą zmiennością charakteryzuje się również współczynnik Danielssona. W przeciwieństwie do współczynnika Fereta przyjmuje on małą wartość dla obiektów wydłużonych a wyższe wartości dla obiektów zwartych. Współczynnik powinien być wrażliwy na zmienność kształtu figury. Nie powinien jednak reagować na sposób przedstawienia (skalę) figury. Biorąc pod uwagę złożoność obliczeniową poszczególnych współczynników, największą odpornością na zmianę skali cechuje się współczynnik Haralicka, lecz wykazuje on małe różnice wartości dla poszczególnych kształtów. Współczynnik Fereta jest bardzo prosty do wyliczenia, ale niestety jego wrażliwość na skalę jest wysoka. Zaletą tego współczynnika jest duży zakres zmienności wartości dla poszczególnych kształtów. Najbardziej wymagającym obliczeniowo jest współczynnik Danielssona, który mimo swojej złożoności wykazuje wysoką wrażliwość na skalę Przetwarzanie i analiza obrazów, testowanie przyjętych metod pozyskiwania informacji o korzeniach. Program RootDetector oraz wykorzystane w nim algorytmy zaprojektowano z myślą o klasyfikacji korzeni zbóż na obrazach cyfrowych. Aplikacja wyposażona jest, m.in. w funkcję binaryzacji, wykrywania krawędzi korzeni, czy też usuwanie zanieczyszczeń na obrazie. Wszystkie funkcje dostępne w programie oraz algorytmy je realizujące zostały opisane poniżej. Strona 22 z 63

23 Rys.15. Wygląd interfejsu programu RootDetector 1.0. Źródło własne. Obwód Algorytmem poprzedzającym obliczenie obwodu korzenia, jest algorytm wykrywania krawędzi. Aby pomiar był prawidłowy wykryte krawędzie powinny mieć szerokość jednego piksela. Dodatkowym ograniczeniem algorytmu, jakie zostało zastosowane to wystąpienie na obrazie tylko jednego obiektu, którego obwód chcemy policzyć. Jeżeli obiektów będzie więcej otrzymamy sumę obwodów wszystkich obiektów. Aby dokonać poprawnego pomiaru obwodu, rozdzielczość obrazu musi być określona w jednostce dpi (dioptria ang. dots per inch liczba kropek przypadających na jeden cal). Algorytm działa poprawnie tylko na obrazie binarnym, na którym została dokonana detekcja krawędzi, w taki sposób aby wszystkie krawędzie były domknięte oraz ich szerokość wynosiła jeden piksel. Algorytm mierzący obwód bada obraz piksel po pikselu i zlicza wszystkie białe piksele. Dzieli liczbę znalezionych pikseli przez liczbę pikseli przypadających na jeden centymetr. Algorytm zwraca wartość obwodu w centymetrach. Strona 23 z 63

24 Średnica Algorytm pomiaru średnic polega na poruszaniu się po obrazie maską 3x3, w pierwszej kolejności wzdłuż osi X, a następnie wzdłuż osi Y. Jeżeli w obrębie maski znajduje się biały piksel krawędzi, wówczas licznik algorytmu rozpoczyna proces obliczania średnicy korzenia. Algorytm rozpoczyna pracę od pierwszego napotkanego białego piksela. Następnie sprawdzane są piksele w osi X pięć pikseli w stronę prawą i pięć pikseli w stronę lewą. Jeżeli pięć kolejnych pikseli jest koloru białego oznacza to, że mamy do czynienia z odcinkiem korzenia ustawionym poziomo. W takim przypadku mierzenie średnicy odbywa się pod kątem 90. Jeżeli pięć kolejnych pikseli nie było w kolorze białym, przyjmujemy że mamy do czynienia z pionowym odcinkiem korzenia, a pomiar średnicy odbywa się pod kontem 180. Każdy napotkany czarny piksel zwiększa licznik długości średnicy o jeden. Po napotkaniu białego piksela oznaczającego drugą, przeciwległą krawędź korzenia, algorytm zapisuje liczbę pikseli stanowiącą średnicę korzenia. Dane są zapisywane w relacyjnej bazie danych, w celu łatwej obróbki i dokonania analiz na wynikach. Użytkownik przed uruchomieniem algorytmu może wyznaczyć maksymalną wyszukiwaną średnicę korzenia. Po przekroczeniu wprowadzonej wartości, algorytm nie zapisuje długości średnicy. Po dokonaniu pomiaru następuje zapis średnicy do bazy danych. Następnie algorytm wraca do piksela, z którego dana średnica była wyprowadzana, a licznik gęstości jest zerowany. Algorytm poruszą się dalej maską 3x3 do momentu, gdy licznik gęstości osiągnie wartość podaną przez użytkownika. Po przeanalizowaniu obrazu wzdłuż osi X, algorytm zostaje uruchomiony dla osi Y, w celu zwiększenia dokładności pomiaru. Działanie systemu Działanie systemu jest oparte o czynności, które użytkownik musi wykonać w celu uzyskania pożądanego efektu. Wczytywanie zdjęcia Aby rozpocząć pracę z programem należy wczytać zdjęcia, korzystając z funkcji menu głównego Plik, a następnie Wczytaj zdjęcie. Zdjęcie używane w programie musi posiadać następujące właściwości: nie może być w rozdzielczości niższej niż 600 dpi musi być to obraz wcześniej poddany binaryzacji musi być to obraz formatu bmp, png lub jpg. Strona 24 z 63

25 Rys.16. Wczytywanie obrazu. Źródło własne. Strona 25 z 63

26 Rys.17. Poprawnie wczytany obraz korzeni. Źródło własne. Wykrywanie krawędzi Wykrywanie krawędzi to podstawowa funkcjonalność programu. Od tej funkcji rozpoczynamy działania na obrazie, który jest poddawany analizie. Aplikacja pozwala wykryć krawędzie wieloma metodami. Metody wykrywania krawędzi, z których można skorzystać w aplikacji zostały opisane we wcześniejszych rozdziałach. Najbardziej efektywną metodą wykrywania krawędzi w kontekście pomiaru średnicy korzenia jest metoda Laplaciana o wymiarze maski 3x3. Aby skorzystać z funkcji wykrywania krawędzi należy wybrać wskazany na Rys.18 przycisk z menu bocznego. Po kliknięciu otworzy się rozwijana lista, z której możemy wybrać metodę detekcji krawędzi. Strona 26 z 63

27 Rys.18. Uruchamianie algorytmu wykrywania krawędzi. Źródło własne. Z funkcjonalności wykrywania krawędzi można również skorzystać wybierając z menu głównego Edycja, a następnie Wykrywanie krawędzi. Strona 27 z 63

28 Rys.19. Lista rozwijana z której możemy wybrać metodę wykrywania krawędzi. Źródło własne. Efekt działania algorytmu wykrywania krawędzi w programie RootDetector widoczny jest w Pictureboxie. Wynik działania uzależniony jest od wybranego algorytmu wykrywania krawędzi. Na Rys.20 widoczny jest efekt działania algorytmu Laplaciana 3x3. Strona 28 z 63

29 Rys.20. Efekt działania algorytmu wykrywającego krawędzie. Źródło własne. Korekcja obrazu Aby zlikwidować zanieczyszczenia na zdjęciach, tj. obszary, które nie są korzeniem, wprowadzono do programu moduł korekcji obrazu. Użytkownik po wybraniu odpowiedniego przycisku z menu bocznego, uruchamia moduł korekcji obrazu. Moduł ten wyświetla nowe okno, zawierające oryginalny, niezmodyfikowany obraz oraz obraz z wykrytymi krawędziami. Za pomocą pędzla można zamalować obszary, które nie mają być brane pod uwagę podczas analizy. Obszary mogą być zamalowywane tylko na zdjęciu z wykrytymi krawędziami. Strona 29 z 63

30 Rys.21. Wczytywanie obrazu oryginalnego w celu usunięcia zanieczyszczeń. Źródło własne. Grubość narzędzia Pędzel można regulować w zakresie od 1px do 100px. Możliwość regulacji pędzla zrealizowana została poprzez użycie funkcji suwaka. Na Rys.22 przedstawiono widok ogólny formularza Korekcja obrazu. Użytkownik ma dostępne dwa widoki: widok obrazu oryginalnego kolorowego oraz widok obrazu przetworzonego. W lewym dolnym rogu znajduje się podgląd obrazu, który jednocześnie umożliwia poruszanie się po obrazie. Ruch obrazem powoduje jednoczesne przesuwanie się obydwu wczytanych zdjęć. Strona 30 z 63

31 Rys.22. Moduł korekcji obrazu z widocznym obrazem oryginalnym oraz obrazem z wykrytymi krawędziami. Źródło własne. Efekt działania pędzla widoczny jest na Rys.23. Pędzel domyślnie zamalowuje na kolor żółty, ponieważ do pomiaru średnicy nie są brane elementy, które nie zostały uznane za korzeń. Rys.23. Korekcja obrazu za pomocą pędzla różnej średnicy. Źródło własne. Po zapisaniu dokonanych korekcji, poprawiony obraz wczytywany jest do formularza głównego programu. Na takim obrazie dokonywane są dalsze operacje. Strona 31 z 63

32 Rys.24. Obraz w głównym oknie programu z wykluczonym obszarem który nie będzie poddawany analizie w kolejnych etapach. Źródło własne. Łączenie obrazów Łączenie obrazów jest to czynność poprzedzająca pomiar średnicy korzenia. Jest to operacja niezbędna, aby pomiar średnicy odbył się prawidłowo. Na obraz podlegający analizie zostaje przeniesiony obraz oryginalny, według następującej zasady: każdy piksel, który był biały na obrazie oryginalnym zostaje przeniesiony dokładnie w to samo miejsce (współrzędne X,Y) na obrazie przetworzonym. Strona 32 z 63

33 Rys.25. Przycisk z menu bocznego uruchamiający algorytm łączenie obrazów. Źródło własne. Strona 33 z 63

34 Rys.26. Efekt działania algorytmu łączącego obrazy. Źródło własne. Wszystkie czarne piksele na zdjęciu (tło) zostają zmienione na żółte. Dzięki tej operacji na obrazie wynikowym korzenie są czarne, zamknięte białymi krawędziami, a tło jest żółte. Algorytm podążający między jedną krawędzią a drugą po czarnych pikselach zaznacza średnice korzenia, nie wychodząc na tło obrazu. Strona 34 z 63

35 Rys.27. Obszar wyłączony przez użytkownika za pomocą modułu korekcji obrazu. Źródło własne. Pomiar średnicy Pomiar średnicy jest realizowany przez algorytm, który podąża po białych pikselach, stanowiących krawędź korzenia. Ruch ten odbywa się co określoną przez użytkownika odległość, podawaną w liczbie pikseli. Strona 35 z 63

36 Rys.28. Formatka w której użytkownik ustawia parametry pomiaru średnicy. Źródło własne. Długość odcinka pomiarowego regulowana jest przez użytkownika. Gdy algorytm natrafi na przeciwległą krawędź korzenia, wraca do punku startu. Liczba pikseli, którą algorytm przebył w drodze na przeciwległą krawędź, zapisywana jest jako średnica korzenia do relacyjnej bazy danych. Wraz z programem dostarczony jest automatycznie aktualizowany przez aplikację RootDetector plik Excel. Pozwala on w czasie rzeczywistym śledzić wyniki pomiarów oraz dokonywać operacji matematycznych na wynikach pomiaru korzenia. Strona 36 z 63

37 Rys.29. Fragment obrazu prezentujący efekt działania algorytmu pomiaru średnic. Źródło własne. Aby uruchomić pomiar średnicy należy wybrać odpowiedni przycisk z menu bocznego. Przycisk ten uruchamia formatkę, w której wybieramy parametry pomiaru takie jak: nazwa pomiaru nazwa rośliny długość odcinka pomiarowego gęstość średnic Strona 37 z 63

38 Rys.30. Dane uzyskane z pomiaru średnic prezentowe w odświeżalnym arkuszu kalkulacyjnym. Źródło własne. Pomiar obwodu Funkcja pomiaru obwodu jest niezbędna do prawidłowego zaklasyfikowania próbki korzenia. Algorytm zlicza wszystkie białe piksele na obrazie z wykrytymi krawędziami. Przelicza liczbę pikseli na podstawie rozdzielczości wyrażonej w dpi obrazu i podaje wynik w centymetrach. Aby uruchomić algorytm pomiaru obwodu należy wybrać odpowiednią opcje z menu bocznego. Pomiaru obwodu należy dokonywać na obrazie z wykrytymi krawędziami, zanim dokonamy połączenia obrazów. Strona 38 z 63

39 Rys.31. Prezentacja wyników pomiaru obwodu korzenia. Źródło własne Budowa modelu pomiaru stopnia rozwoju systemu korzeniowego oraz implementacja modelu w internetowym systemie informatycznym. Celem wytworzenia systemu RootDetector jest klasyfikacja korzeni na obrazach cyfrowych. System wyposażony jest w odpowiednie funkcje do przetwarzania obrazów, które umożliwiają wykonanie dokładniejszych pomiarów korzeni. Pomiary jakie są dokonywane przy użyciu systemu to: pomiar średnicy korzenia i kategoryzacja w ustalonych przedziałach, obwód korzenia. Zakres działania sytemu RootDetector obejmuje: wczytanie obrazu o odpowiednich parametrach do programu, wstępne przetwarzanie obrazu: binaryzację, wykrywanie krawędzi, zmian koloru tła na żółte, dokonanie pomiaru: pomiar średnicy i/lub obwodu korzenia. Strona 39 z 63

40 Aby zaprojektować wymagania funkcjonalne i niefunkcjonalne systemu wprowadzono następujący słownik pojęć: 1. Menu główne obszar znajdujący się w górnej części formularza głównego. Obejmuje on takie elementy jak: Plik, Edycja, Pomiar, Pomoc. 2. Formularz główny formularz otwierający program, widoczny w momencie uruchomienia programu. Na formularzu dokonywane są podstawowe czynności, np. wczytywanie zdjęcia. 3. Menu boczne menu znajdujące się po prawej stronie formularza głównego. Jest to menu ikonograficzne, zawierające takie opcje, jak: Korekcja obrazu, Rozmycie, Segmentacja, Wykrywanie krawędzi, Łączenie obrazów, Pomiar obwodu, Pomiar średnicy. 4. PictureBox kontrolka programu Visual Studio, pozwalająca na wczytywanie, wyświetlanie i wykonywanie operacji na obrazach cyfrowych 5. Kontrolka pojedynczy element, który służy do budowy aplikacji 6. Formatka pojedynczy formularz, wykorzystywany do budowy aplikacji, na którym umieszczane są kontrolki 7. Okno pomocnicze formatka, która uruchamiana jest do wprowadzania danych pomiarowych 8. Zdjęcie obraz cyfrowy, plik graficzny Wymagania funkcjonalne Tabela 1 Wczytywanie zdjęcia Nazwa funkcji Wczytywanie zdjęcia Opis funkcji Wczytanie zdjęcia zbinaryzowanego z nośnika pamięci do programu. Obraz można wczytać w trzech formatach: jpg, png oraz bmp, przy czym format preferowany, umożliwiający wykorzystanie w pełni funkcji programu to format bmp. Dane wejściowe Zdjęcie w odpowiednim formacie Źródło danych wejściowych Dysk twardy, pendrive, płyta Wynik Zdjęcie wczytane do okienka w programie Wymagania Zdjęcie o rozdzielczości, w formacie bpm, zbinaryzowane Warunek wstępny Strona 40 z 63

41 Warunek końcowy Efekty uboczne Zużycie pamięci Tabela 2 Otwieranie pliku graficznego Nazwa funkcji Otwieranie pliku graficznego Opis funkcji Podczas otwierania pliku graficznego, użytkownikowi zostaje wyświetlone okno systemu Windows, w którym może wskazać plik graficzny w formacie png, jpg lub bmp z dowolnego miejsca na dysku lub nośnika danych. Dane wejściowe Zdjęcie w odpowiednim formacie Źródło danych wejściowych Dysk twardy, pendrive, płyta Wynik Zdjęcie wczytane do okienka edycji w programie Wymagania Zdjęcie w odpowiednim formacie Warunek wstępny Warunek końcowy Efekty uboczne Tabela 3 Wczytywanie zdjęcia oryginalnego Nazwa funkcji Wczytywanie zdjęcia oryginalnego Opis funkcji Wczytanie zdjęcia z nośnika pamięci do programu. Zdjęcie może zostać wczytane w jednym z trzech dostępnych formatów: jpg, png lub bmp, przy czym format preferowany to bmp. Dane wejściowe Zdjęcie w odpowiednim formacie Źródło danych wejściowych Dysk twardy, pendrive, płyta Wynik Zdjęcie wczytane do okienka edycji w programie Wymagania Zdjęcie o rozdzielczości, w formacie bpm, zdjęcie musi być kolorowym odpowiednikiem zdjęcia zbinaryzowanego Warunek wstępny Warunek końcowy Efekty uboczne Zużycie pamięci Strona 41 z 63