RESULTSSmartGrain: Image Analysis S

RESULTS
SmartGrain: Image Analysis Software for High-Throughput Measurement of Seed Shape

SmartGrain batch-analyzes all images stored in a specified folder (up to 65,500). It can automatically detect overlapping seeds, which are then omitted from analysis, and automatically removes awns and pedicels (Figs. 1, A and B, and ​and2):2): Parameters are set for the method of seed detection, degree of seed overlap, and intensity of awn and pedicel removal. Each 600-dpi (dots per inch) A4 image takes a few minutes to analyze. The results are exported as a CSV (comma-separated values) file that can be opened in spreadsheet software (e.g. Microsoft Excel).

Regardless of the placement or number of seeds, SmartGrain can isolate all seeds and measure their shape (Fig. 1B), removing a serious bottleneck in taking images.

Algorithm for Image Processing and Measurement of Seed Shape Parameters

SmartGrain can measure multiple parameters in addition to area. Having detected the outline of each seed, it calculates AS, PL, L, W, circularity (CS), length-to-width ratio (LWR), intersection of length and width (IS), center of gravity (CG), and distance between IS and CG (DS; Fig. 1C).

The values of these parameters are calculated by taking sequential points along the seed perimeter and maximizing or minimizing the values in the following sequence (Fig. 1D): (1) load image; (2) convert to 1-bit image (white seeds on a black background); (3) analyze morphology to delete awns and pedicel; (4) detect outlines, label all seeds in the image, and calculate AS, PL, and CG from the outlines; (5) detect the longitudinal axis and calculate L; (6) detect the transverse axis from the outline and the longitudinal axis and calculate W and IS; and (7) calculate LWR, CS, and DS using data from steps 4 to 6.

Automatic Segmentation of AS and Plotting of Seed Perimeter

The image is processed in three steps. First, the image is converted from 24-bit (full color; Fig. 2A) to 1-bit (black and white) using a segmentation method (Tanabata et al., 2010) to give white seeds on a black background (Fig. 2B). This method is robust to lighting levels, and a threshold does not need to be set.

Second, any awn or pedicel is removed. SmartGrain uses the OpenCV functions “cvErode” and “cvDilate” based on morphological operations (Fig. 2C). The cvErode process pares away the perimeter, reducing the AS, which the cvDilate process rebuilds (Fig. 2D).

Third, the OpenCV function “cvFindContour,” based on the algorithm of Suzuki and Abe (1985), automatically detects the perimeter of each seed in the 1-bit image (Fig. 2E; OpenCV Developers Team, 2012). It acquires a set of perimeter coordinates An external file that holds a picture, illustration, etc.
Object name is PP_205120I01_LW.jpg (Fig. 3A) as:

ผลลัพธ์ (ไทย) 1:

ผล
SmartGrain: ซอฟต์แวร์วิเคราะห์ภาพในอัตราความเร็วสูงวัดของเมล็ดรูป

SmartGrain ชุดวิเคราะห์ภาพทั้งหมดที่เก็บไว้ในโฟลเดอร์ที่ระบุ (ถึง 65,500) มันสามารถตรวจพบโดยอัตโนมัติซ้อนเมล็ด ซึ่งเป็นแล้วละ จากการวิเคราะห์ และโดยอัตโนมัติเอา awns และ pedicels (Figs. 1, A และ B และ and2): 2): มีการตั้งค่าพารามิเตอร์สำหรับวิธีการตรวจหาเมล็ด ระดับของเมล็ดทับซ้อน และความเข้มของ awn และ pedicel เอา แต่ละ 600 dpi (จุดต่อนิ้ว) A4 รูปใช้เวลากี่นาทีในการวิเคราะห์ ผลลัพธ์จะส่งออกเป็นไฟล์ CSV (จุลภาคค่า) ที่สามารถเปิดในกระดาษคำนวณซอฟต์แวร์ (เช่น Microsoft Excel) .

วางหรือจำนวนเมล็ด SmartGrain สามารถแยกเมล็ดพืชทั้งหมด และวัดรูปร่างของพวกเขา (Fig. 1B), เอาคอขวดอย่างจริงจังในการถ่ายภาพได้

อัลกอริทึมสำหรับการประมวลผลภาพและวัดเมล็ดรูปร่างพารามิเตอร์

SmartGrain สามารถวัดพารามิเตอร์หลายนอกจากที่ตั้งได้ มีการตรวจพบของแต่ละเมล็ด โปรแกรมคำนวณเป็น PL, L, W หมุนเวียน (CS), อัตราส่วนความยาวความกว้าง (LWR) ของความยาวและความกว้าง (IS), ศูนย์ของแรงโน้มถ่วง (CG), และระยะห่างระหว่าง IS และ CG (DS Fig. ที่ 1 C)

ค่าของพารามิเตอร์เหล่านี้จะถูกคำนวณ โดยการจุดตามลำดับตามขอบเขตเมล็ด และเพิ่ม หรือลดค่าในลำดับต่อไปนี้ (Fig. 1D): (1) โหลดรูป (2) แปลงรูป 1 บิต (ขาวเมล็ดพืชบนพื้นหลังสีดำ); (3) วิเคราะห์สัณฐานวิทยาการลบ awns และ pedicel (4) ตรวจพบเค้าร่าง ป้ายชื่อเมล็ดพันธุ์ทั้งหมดในรูปภาพ และคำนวณเป็น PL และ CG จากเค้า (5) ตรวจแกนระยะยาว และคำนวณ L (6) ตรวจสอบแกน transverse จากเค้าร่างและแกนระยะยาว และคำนวณ W และ IS และ (7) คำนวณ LWR, CS, DS ที่ใช้ข้อมูลจากขั้นตอนที่ 4-6

แบ่งอัตโนมัติ AS และพล็อตของเมล็ดปริมณฑล

ภาพการประมวลผลในขั้นตอนที่สาม ครั้งแรก ภาพจะถูกแปลงจาก 24 บิต (สีเต็ม Fig. 2A) ไป 1 บิต (ขาวดำ) โดยใช้วิธีแบ่ง (ทะนะบะตะ et al., 2010) เพื่อให้เมล็ดสีขาวบนพื้นหลังสีดำ (Fig. 2B) วิธีการนี้มีประสิทธิภาพระดับแสง และขีดจำกัดไม่จำเป็นต้องได้ชุด

สอง awn หรือ pedicel ใด ๆ จะถูกเอาออก SmartGrain ใช้ OpenCV ฟังก์ชัน "cvErode" และ "cvDilate" ตามการดำเนินงานของ (Fig. 2C) กระบวนการ cvErode pares เก็บขอบเขต AS ลดซึ่งกระบวนการ cvDilate สร้าง (Fig. 2D)

3 ฟังก์ชัน OpenCV "cvFindContour ตามอัลกอริทึมของ Suzuki และอะเบะ (1985), โดยอัตโนมัติตรวจพบขอบเขตของแต่ละเมล็ดในรูป 1 บิต (Fig. 2E OpenCV พัฒนาทีม 2012) จึงได้ฝึกฝนตั้งขอบเขตพิกัดแฟ้มภายนอกที่เก็บรูปภาพ ภาพประกอบ ฯลฯ
ชื่อวัตถุเป็น PP_205120I01_LW.jpg (Fig. 3A):

ผลลัพธ์ (ไทย) 2:

ผลการ
SmartGrain: ภาพซอฟต์แวร์การวิเคราะห์สำหรับการกลั่นสูงการวัดรูปร่างเมล็ดSmartGrain ชุดวิเคราะห์ภาพทั้งหมดที่เก็บไว้ในโฟลเดอร์ที่ระบุ (สูงสุด 65,500) โดยจะสามารถตรวจสอบการทับซ้อนกันเมล็ดที่ถูกตัดออกแล้วจากการวิเคราะห์และลบโดยอัตโนมัติสนามอาคารและก้านดอก (ภาพที่ 1, A และ B และ and2.) 2): พารามิเตอร์ที่กำหนดไว้สำหรับวิธีการในการตรวจสอบเมล็ดพันธุ์ระดับของเมล็ด ที่ทับซ้อนกันและความรุนแรงของการกำจัดหนามและก้านดอก ภาพแต่ละภาพ A4 600 dpi (จุดต่อนิ้ว) ใช้เวลาไม่กี่นาทีในการวิเคราะห์ ผลที่ได้จะถูกส่งออกเป็น (ค่าที่คั่นด้วยจุลภาค) ไฟล์ CSV ที่สามารถเปิดในซอฟต์แวร์สเปรดชีต (เช่น Microsoft Excel) โดยไม่คำนึงถึงตำแหน่งหรือจำนวนของเมล็ด SmartGrain สามารถแยกเมล็ดและวัดรูปร่างของพวกเขา (รูปที่ 1B.) เอาคอขวดอย่างจริงจังในการถ่ายภาพขั้นตอนวิธีการประมวลผลภาพและการวัดพารามิเตอร์รูปร่างเมล็ดSmartGrain สามารถวัดหลายพารามิเตอร์ที่นอกเหนือไปจากพื้นที่ มีการตรวจพบโครงร่างของแต่ละเมล็ดก็จะคำนวณ AS, PL, L, W, วัฏจักร (CS) ความยาวความกว้างอัตราส่วน (LWR), สี่แยกของความยาวและความกว้าง (IS), ศูนย์ของแรงโน้มถ่วง (CG) และ ระยะห่างระหว่างและ CG. (ดีเอส; รูปที่ 1C) ค่าของพารามิเตอร์เหล่านี้ได้รับการคำนวณโดยการใช้จุดตามลำดับพร้อมปริมณฑลเมล็ดและการเพิ่มหรือลดค่าในลำดับต่อไปนี้ (รูปที่ 1D.) (1) โหลดภาพ; (2) แปลงเป็นภาพ 1 บิต (เมล็ดสีขาวบนพื้นหลังสีดำ); (3) วิเคราะห์ลักษณะทางสัณฐานวิทยาที่จะลบสนามอาคารและก้านดอก; (4) ตรวจสอบการแสดงฉลากเมล็ดทั้งหมดในภาพและคำนวณ AS, PL, และ CG จากโครงร่าง; (5) ตรวจสอบแกนตามยาวและคำนวณ L; (6) ตรวจสอบแกนขวางจากโครงร่างและแกนตามยาวและคำนวณ W และ IS; และ (7) การคำนวณ LWR, CS และ DS โดยใช้ข้อมูลจากขั้นตอนที่ 4-6 การแบ่งกลุ่มอัตโนมัติของ AS และพล็อตของเมล็ดพันธุ์ปริมณฑลภาพจะถูกประมวลผลในสามขั้นตอน ก่อนที่ภาพจะถูกแปลงจาก 24 บิต (สีเต็ม. รูปที่ 2A) ถึง 1 บิต (ขาวดำ) โดยใช้วิธีการแบ่งส่วน. (ทานาบาตะและคณะ, 2010) ที่จะให้เมล็ดสีขาวบนพื้นหลังสีดำ (รูปที่ 2B) วิธีนี้เป็นวิธีที่มีประสิทธิภาพให้อยู่ในระดับแสงและเกณฑ์ไม่จำเป็นต้องมีการตั้งค่าที่สองหนามหรือก้านดอกใด ๆ จะถูกลบออก SmartGrain ใช้ฟังก์ชั่น OpenCV "cvErode" และ "cvDilate" ขึ้นอยู่กับการดำเนินงานทางสัณฐานวิทยา (รูปที่ 2C.) กระบวนการ cvErode pares ห่างปริมณฑลลด AS ซึ่งกระบวนการ cvDilate สร้างใหม่ (รูปที่ 2D). ประการที่สามฟังก์ชั่น OpenCV "cvFindContour" ขึ้นอยู่กับขั้นตอนวิธีของซูซูกิและเอ็บ (1985), โดยอัตโนมัติปริมณฑลของแต่ละ เมล็ดในภาพ 1 บิต (รูปที่ 2E. OpenCV พัฒนาทีม, 2012) มันได้มาชุดของปริมณฑลพิกัดแฟ้มภายนอกที่มีภาพ, ภาพ, ฯลฯชื่อวัตถุเป็น PP_205120I01_LW.jpg (รูปที่ 3A). เช่น:

ผลลัพธ์ (ไทย) 3:

ผล
smartgrain : ภาพซอฟต์แวร์การวิเคราะห์ระบบการวัดสูง เมล็ดรูปร่าง

smartgrain ชุดวิเคราะห์ภาพทั้งหมดเก็บไว้ในโฟลเดอร์ที่ระบุ ( สูงสุดไม่เกิน 10 , 000 ) โดยจะสามารถตรวจสอบเมล็ดที่ทับซ้อนกัน ซึ่งจะถูกตัดออกจากการวิเคราะห์ และลบโดยอัตโนมัติและ awns pedicels ( Figs 1 A และ B , และ​ 2 ) : 2 ) : พารามิเตอร์ถูกตั้งค่าสำหรับวิธีการของการตรวจสอบเมล็ดพันธุ์ระดับ ซ้อน เมล็ด และความเข้มของหนามและเอาก้านดอกไม้ . แต่ละ 600 dpi ( จุดต่อนิ้ว ) รูป A4 ใช้เวลาไม่กี่นาทีเพื่อทำการวิเคราะห์ ผลการส่งออกเป็น CSV ( ค่าที่คั่นด้วยเครื่องหมายจุลภาค ) ไฟล์ที่สามารถเปิดได้ในโปรแกรมสเปรดชีต ( เช่น Microsoft Excel ) .

ไม่ว่าตำแหน่ง หรือจำนวนของเมล็ด smartgrain สามารถแยกเมล็ดทั้งหมดและวัดรูปร่างของตน ( รูปที่ 1A )การเอาคอขวดที่ร้ายแรงในการถ่ายภาพ

ขั้นตอนวิธีการประมวลผลภาพและการวัด เมล็ดรูปร่างค่า

smartgrain สามารถวัดได้หลายค่านอกเหนือไปจากพื้นที่ มีการตรวจพบร่างของแต่ละเมล็ด มันคำนวณเป็น pl , L , W , circularity ( CS ) , ความยาวต่อความกว้าง ( lwr ) , แยกของความยาวและความกว้าง ( ) , จุดศูนย์ถ่วง ( CG )และระยะทางระหว่างและ CG ( DS ; ภาพที่ 1c ) .

ค่าของพารามิเตอร์เหล่านี้จะถูกคำนวณโดยการใช้จุดลำดับตามเมล็ด ขอบเขต และ เพิ่ม หรือลดคุณค่าในลำดับต่อไป ( ภาพดี ) : ( 1 ) โหลดภาพ ( 2 ) แปลง 1 บิต ( เมล็ดสีขาวบนพื้นหลังภาพ สีดำ ) ; ( 3 ) วิเคราะห์สัณฐานวิทยาและลบ awns ก้านดอกไม้ ; ( 4 ) ตรวจสอบโครงร่างฉลากเมล็ดพืชในรูป และคำนวณเป็น pl และ CG จากร่างนั้น และ ( 5 ) ตรวจสอบแกนตามยาวและคำนวณ l ; ( 6 ) ตรวจสอบแกนตามขวางจากร่างและแกนตามยาวและการคำนวณน้ำหนักและ ; และ ( 7 ) คำนวณ lwr , CS และ DS ที่ใช้ข้อมูลจาก ขั้นตอนที่ 4 - 6

อัตโนมัติแบ่งเป็น และวางแผนของเมล็ดปริมณฑล

ภาพที่ประมวลผลใน 3 ขั้นตอน ครั้งแรกภาพที่ถูกแปลงจาก 24 บิต ( สีเต็ม ; รูปที่ 2A ) 1 บิต ( สีดำและสีขาว ) โดยใช้วิธีการ ( ทานาบาตะ et al . , 2010 ) เพื่อให้เมล็ดสีขาวบนพื้นหลังสีดำ ( รูปที่ 2B ) วิธีนี้เป็นวิธีที่คงทนระดับแสง และเกณฑ์ ไม่ต้องตั้งค่า

2 มีหนามหรือก้านดอกไม้จะถูกเอาออกsmartgrain ใช้ฟังก์ชัน " เป็นการ cverode " และ " cvdilate " ตามปฏิบัติการสัณฐานวิทยา ( รูปที่ 2 ) กระบวนการ cverode หยุดนะออกไปรอบนอก ลดเป็น ซึ่งกระบวนการ cvdilate สร้าง ( ภาพที่ 2 ) .

3 ฟังก์ชัน " เป็นการ cvfindcontour " ขึ้นอยู่กับวิธีของซูซูกิและอาเบะ ( 1985 ) โดยอัตโนมัติตรวจจับปริมณฑลของแต่ละเมล็ด ในรูป 1 บิต ( รูปที่ 2 ;เป็นการพัฒนาทีม , 2012 ) มันมีชุดของปริมณฑลพิกัดภายนอกไฟล์ที่มีรูปภาพ , ภาพ , ฯลฯ
วัตถุชื่อ pp_205120i01_lw.jpg ( รูปที่ 3 ) ดังนี้