Metodyka segmentacji obrazów wędlin średnio i grubo rozdrobnionych

Transkrypt

1 Plitechnika Łódzka Instytut Elektrniki UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE Metdyka segmentacji brazów wędlin średni i grub rzdrbninych Pitr M. Szczypiński, Artur Klepaczk i Pitr Zaptczny Instytut Elektrniki Plitechniki Łódzkiej Katedra Inżynierii Systemów, Uniwersytet Warmińsk-Mazurski w Olsztynie XXI Sympzjum Naukwe Pstęp Naukw-Techniczny i Organizacyjny w Rlnictwie Zakpane, - 7 luteg 04

2 Plan prezentacji Wprwadzenie Segmentacja brazu Charakteryzwanie cechy Uczenie maszynwe Segmentacja nienadzrwana Prpnwany algrytm Wyniki Dyskusja i wniski /7

3 Wprwadzenie Materiał badawczy Obrazy plastrów wędlin ze skanera Cel wydrębnienie bszarów składników farszu Ocena jakści wędlin Właściwe prprcje składników Kntrla prdukcji Zastswanie metd analizy kmputerwej Autmatyczne Wynik biektywny i pwtarzalny /7

4 Segmentacja brazu Pierwszy etap wydzielenie bszarów plastrów z brazu. Segmentacja brazu pdział brazu na bszary, wydrębnienie bszarów isttnych dla dalszej analizy. 4/7

5 Segmentacja brazu Obraz ryginalny Histgram jasnści dwumdalny Obraz binarny Dmykanie i twieranie mrflgiczne wygładza brzeg bszaru Identyfikacja bszarów 5/7

6 Charakteryzwanie brazu Cechy wielkści liczbwe charakteryzujące braz Obraz mżna charakteryzwać: - jak całść - we fragmencie - lkalnie Każdy wektr cech mże być rzpatrywany jak punkt w wielwymiarwej przestrzeni cech 6/7

7 Charakteryzwanie brazu Algrytmy bliczania cech Cechy statystyczne histgramu, wykrzystanie mdeli klrów RGB składwe czerwna, zielna i niebieska (skrelwane) YUV, YIQ jasnść, składwe różnicwe barw HSB dcień, nasycenie klru, jasnść Cechy tekstury czyli pwtarzalneg wzru pstrzeganeg przez człwieka jak jednrdny Zależnści przestrzenne rzkładu jasnści Współczynniki transfrmaty brazu (składwe częsttliwściwe) Parametry mdelu transmisji brazu Cechy kształtu bliczane na pdstawie wyznaczneg bszaru Rzmiar, prprcje, tplgia, mmenty gemetryczne 7/7

8 Uczenie maszynwe Cel uczenia maszynweg wytwrzenie reguł klasyfikacji Uczenie nienadzrwane Analiza skupień (klasteryzacja) Uczenie nadzrwane Redukcja cech Analiza dyskryminacyjna Prblem nadmiarwści cech i przeuczenia 8/7

9 Uczenie maszynwe Cel uczenia maszynweg wytwrzenie reguł klasyfikacji Uczenie nienadzrwane Analiza skupień (klasteryzacja) Uczenie nadzrwane Redukcja cech Analiza dyskryminacyjna Prblem nadmiarwści cech i przeuczenia 9/7

10 Uczenie maszynwe Cel uczenia maszynweg wytwrzenie reguł klasyfikacji Uczenie nienadzrwane Analiza skupień (klasteryzacja) Uczenie nadzrwane Redukcja cech Analiza dyskryminacyjna Prblem nadmiarwści cech i przeuczenia 0/7

11 Uczenie maszynwe Cel uczenia maszynweg wytwrzenie reguł klasyfikacji Uczenie nienadzrwane Analiza skupień (klasteryzacja) Uczenie nadzrwane Redukcja cech Analiza dyskryminacyjna Prblem nadmiarwści cech i przeuczenia /7

12 Uczenie maszynwe Cel uczenia maszynweg wytwrzenie reguł klasyfikacji Uczenie nienadzrwane Analiza skupień (klasteryzacja) Uczenie nadzrwane Redukcja cech Analiza dyskryminacyjna Prblem nadmiarwści cech i przeuczenia /7

13 Uczenie maszynwe Cel uczenia maszynweg wytwrzenie reguł klasyfikacji Uczenie nienadzrwane Analiza skupień (klasteryzacja) Uczenie nadzrwane Redukcja cech Analiza dyskryminacyjna Prblem nadmiarwści cech i przeuczenia /7

14 Segmentacja nienadzrwana Dla każdeg punktu brazu bliczane są cechy klru R, G, B, H, S i V Wektry cech pddawane są klasteryzacji w przestrzeni 6. cech barwwych (dla uprszczenia rysunek przedstawia przestrzeń tylk. cech) Każdy punkt znaczany jest zgdnie z tym, d któreg klastra przyprządkwan wektr jeg cech 4/7

15 Prpnwany algrytm Segmentacja brazu i identyfikacja bszarów wędlin prgwanie jasnści peracje mrflgiczne Obliczanie cech w tczeniach punktów brazu Klejna segmentacja klasteryzacja danych Opis ilściwy bszarów składników i raprtwanie 5/7

16 Wyniki Opis prcentwy udziału składników (pmiar pwierzchni bszarów) Ocena rzdrbnienia (cechy tekstury i tplgii) 6/7

17 Dyskusja i wniski Metda prawie autmatyczna udział człwieka plega na kreśleniu rdzaju bszaru Opis ilściwy umżliwia biektywną cenę jakści wędliny, prprcji składników raz ich rzdrbnienia Zastswanie w wędlinach średni i grub rzdrbninych Ptencjalne zastswania w kntrli prdukcji Prblem z znaczeniem miejsc na granicy bszarów i brzegach plastrów W przyszłych badaniach rzważa się zastswanie segmentacji nadzrwanej, p ddaniu infrmacji rdzaju bszaru Obliczenie cech tekstury i barwy w wydrębninych bszarach, znalezienie krelacji pmiędzy tymi cechami a parametrami jakściwymi pzwli pracwać metdę kntrli jakści 7/7