Detektering og klassificering af kimplanter ved brug af computer vision

15 Sammenfatning 15.2 Diskussion
Det sidste punkt afslutter programmet.
15.2 Diskussion
Arbejdet med biologisk materiale har vist sig at være udfordrende. Der arbejdes i en verden med
grænsetilfælde, hvor det kan være svært at afgøre hvad der er sandt og falskt, f.eks. hvornår er et kim
for krumt, for bredt osv. Miljøet hvori kimene har befundet sig, har også været en udfordring.
Kimene klistrer til hinanden og belysningsforholdene varierer, da en fast testopstilling endnu ikke
forefindes.
At tage et billede med kameraet har givet anledning til en del overvejelser. For det første har det
været vigtigt at fastlægge opløsningen på kimene. Hvor store skal de være på billedet, således at der
lige netop kommer detaljer nok med. Her skal man dog også passe på, at man ikke går i den anden
grøft og får flere detaljer med end nødvendigt, for på den måde begrænses pladsen i selve billedet,
og dermed udvælges færre kim. Valget af 10 pixels som et minimum i bredden på et kim virker
fornuftigt og resulterer i et synsfelt for kameraet på 128 mm x 96 mm. At implementeringen af Fire-i
biblioteket måtte udelades, var ikke hensigten fra starten, men set i lyset af de opståede problemer og
tiden i projektet, var dette en fornuftig beslutning.
De opnåede resultater med Color- og GrayScale-klasserne har været tilfredsstillende. I forbindelse
med GrayScale-klassen, foretages der ikke en egentlig gråtone-konvertering, da det blev vurderet, at
der ikke var behov for en sådan. Den grønne kanal er tilstrækkelig i dette tilfælde.
For at skille forgrund fra baggrund er Ridler og Calvards iterative thresholding-teknik blevet anvendt
med succes. Selv efter få iterationer findes dalen imellem de to toppe i histogrammet ligegyldigt hvor
udgangspunktet tages.
Identifikation af blobs gør, at man kan nøjes med kun at analysere små fragmenter af billedet, som
er interessante at arbejde med. På denne måde har man identificeret og adskilt grupperinger af pixels
fra hinanden. Dette er implementeret i BlobDetection-klassen, og resultaterne er helt som forventet.
EllipseApproximation-klassen giver kimenes orientering i planet i form af en vinkel med det
vandrette plan, samt længderne på akserne. Kombineret med beregningen af kimenes
massemidtpunkter, som angiver kimenes placering, opnås det ønskede resultat om detektering af
kim. Metoden må derfor anses for at virke som forventet.
Undersøgelsen og valg af TopDetection-algoritme resulterede i ”Arealforskel”. Metoden viste sig
ikke at være så robust som ønsket. Ifølge testen findes toppen rigtigt på ca. 92 % af alle godkendte
kim. Forestiller man sig, at der i en af udvælgelsesmodellerne anvendes brede grænser, udvælges der
også en del ikke-godkendte kim, hvilket vil resultere i, at toppen ikke findes rigtigt på flere af
kimene, og derfor vil resultatet på ca. 92 % ikke gælde i den situation. En anden betragtning, som er
opstået under arbejdet er, at en topdetektering senere i beplantningsprocessen ville være nemmere,
da kimene udvikler en kraftig farveforskel mellem top og bund, som de modnes. Den nuværende
udviklede TopDetection-algoritme vurderes ikke at være dækkende nok.
Kvalitetsparameteren symmetri blev implementeret i Symmetry-klassen. Klassen tester symmetrien i
kimene omkring deres længdeakse og giver et resultat mellem 0 – 100 %, som er forholdet imellem
antallet af pixel, der ikke er symmetriske og kimets areal. Det vurderes, at klassen virker som ønsket.
Kvalitetsvurderingen i Qualiy-klassen udfylder ikke dets formål. Det er ikke alene alle godkendte
kim, der bliver udvalgt. Der er ikke fundet kvalitetsparametre nok, eller også har det ikke været de
rigtige, der er blevet anvendt. Det kunne også være udvælgelsesmetoden, med netop at anvende
Side 77 af 131