1. IntroductionWater pollution, whi

1. Introduction
Water pollution, which endangers development, living conditions of humans, and sustainable development
of the economy, has been highlighted as the main topic in the field of environmental protection.The assessment of
water quality is one of the most important ways to manage and monitor the quality of water resources. Basically, there
are two main methods for monitoring and assessing water quality: (1) Physical and chemical analysis that assesses
water quality by determining the existence and content of hazardous materials in the water directly using a variety of
tools, and (2) Biological monitoring methods that detect changes in water quality and environmental pollution by
defining changes in health status and physiological characteristics, and behavioral responses of individuals or
communities of aquatic organisms.
To conduct an ongoing chemical analysis is complex and costly, and also provides limited data onto the
chemical compounds that ignore the effect of the excluded components in the analysis. It takes a long time and cannot
be used continuously in situ. On the other hand, biological monitoring methods provide a basis for controlling and
assessment of the environmental quality from biological point of view. The main aim of the biological monitoring of
water quality is to monitor changes in the environmental situation of water bodies based on biological indicators to
achieve the purpose of the comprehensive assessment of water quality [1, 2].
In order to achieve this, fish gills were observed microscopically to show the increasing degrees of damage is
tissues correlated to the quality of water [3]. As fish gills are in constant contact with water, they represent an important
target organ of dissolved pollutants [4, 7]. Morphological changes in the gills can represent adaptation strategies to
keep up some physiological functions or endpoints to evaluate the acute and chronic exposure to chemicals found in
water and sediment. [3, 5] . In this article, we use the fish gills as a biomarker for water quality [6, 8]. Biomarker
measurement refers to a property that can be used as an indicator of biological condition. This term sometimes refers
to a substance, which also indicated the presence of living organisms.
This paper presents the design and implementation of an automated system to assess and monitor water quality
through the study and classification of occurrence of different morphological changes in fish gills through
histopathology damage in target organs. The datasets used for conducted experiments contain real sample images for
fish gills exposed to copper and water pH in different histopathological stages. The collected datasets contain colored
JPEG images as 150 images and 45 images were used as training and datasets, respectively. Training dataset is divided
into four classes representing the different histopathological changes and the corresponding water quality degree.
The proposed approach consists of three phases; namely pre-processing, feature extraction, and classification
phases. During pre-processing phase, the proposed approach resizes images to 384x256 pixels, in order to reduce their
color index, and the background of each image has been removed using background subtraction technique. Also, each
image is converted from RGB (Red, Green, Blue) to gray scale. For feature extraction phase, Principal Component
Analysis (PCA) algorithm is applied in order to generate a feature vector for each image in the dataset. Finally, for
classification phase, the proposed approach applied Support Vector Machines (SVMs) algorithm with 10 fold crossvalidation
for water quality degree classification based on fish gills as biomarker.
The rest of this article is organized as follows. Section 2 presents a number of recent research work related
to the usage of bioindicators for indicating water quality. Section 3 describes the fundamentals of PCA feature
extraction, wavelet transform and edge detection, and SVMs classification algorithms. Section 4 describes the
different phases of the proposed content-based classification system. Section 5 introduces the tested fish gills
microscopic images datasets and discusses the obtained experimental results. Finally, Section 6 presents conclusions
and discusses future work.
2. Related Work
This section reviews current approaches tackling the problem of biomarkers based water quality monitoring
and classification.
Asmaa Hashem Sweidan et al. / Procedia Computer Science 65 ( 2015 ) 601 – 611 603
In [9], authors studied the accumulation of heavy metals in the organs of the two species of fish (Tilapia zilli
and Clarias gariepinus fish) from the River Benue.This study tissue samples were taken for examination of gills,
intestine and tissues .This study showed that the heavy metals were more concentrated in the gills of other parts of the
fish in the water and shows that they were good biomarker to monitor pollution in the river .
In [10], authors concluded that the histopathology of fish gills and liver are a good biomarker and can be used
for detection of chemical pollution in fish. The morphological changes in fish gills and liver associated with somatic
indexes (Hepatosomatic - HSI and Condition Factor - CF) have been used as biomarkers. The results suggested the
importance of Histopathological investigation in monitoring programs to assess the biological assessment of water
quality and the environment as well as increasing the credibility of the diagnosis in impacted studies of water quality
of aquatic ecosystems.
In [11], authors proposed approach based on the use of video images analysis of biomonitoring and support
vector machines (SVMs) algorithm to evaluate water quality. The proposed approach depends on the standards of
behavior of fish during the acute toxicity test, color model and feature extraction. in this approach authors combined
both SVMs and genetic algorithm (GA) to strengthen the efficiency and accuracy of water quality assessment. The
approach proposed in this research is achieved accurately than 80%.
In [12], authors proposed method for real-time measurement of respiratory time measurement of respiratory
rhythmsin medaka (Oryzias latipes) (It can be measured directly from the movement of fish gill) using computer
vision for water quality monitoring. The proposed approach depends on the color distribution table can be gained
through the pixel values obtained from the gills and the surrounding areas mathematical morphology to capture the
gills region from each frame as feature extraction .This research use adaboost algorithm to classify water quality and
SVMs
This paper presents a multi-class content-based image classification system to monitor water quality via
investigating and classifying the different fish gills microscopic images. The proposed approach in this paper
combines shape feature extraction and employed SVMs classification to classifying the water quality.
3. Preliminaries
3.1. Principal Component Analysis (PCA)
Principal Component Analysis is a statistical procedure, which is a type of dimensional reduction methods.
Dimensional reduction is achieved by projection to lower dimensional space using linear transformation. Although
PCA is a simple and classical method, it can often effectively reduce redundant information. PCA can easily be
extended to higher dimensions in order to be used for image classification. Principal Component Analysis (PCA)
algorithm consists of a number of steps, as follows:
x Loading the data.
x Subtracting the mean of the data from the original dataset.
x Finding the covariance matrix of the dataset.
x Finding the eigenvector(s) associated with the greatest eigenvalue(s).
x Projecting the original dataset on the eigenvector(s) [13].
3.2. Wavelet transform and Edge detection
The following sub-sections briefly describe background of the wavelet transform and edge detection
3.2.1 Wavelet transform
Wavelet transform used in image processing as a solution tool for image analysis, noise reduction, image
segmentation, etc. Wavelet analysis can be applied to data on one-dimensional and two-dimensional data

ผลลัพธ์ (ไทย) 1:

1. บทนำมลพิษทางน้ำ ซึ่งมลพิษพัฒนา สภาพความเป็นอยู่ของมนุษย์ และการพัฒนาที่ยั่งยืนมีการเน้นเศรษฐกิจ เป็นหัวข้อหลักในด้านการอนุรักษ์สิ่งแวดล้อม การประเมินของคุณภาพน้ำเป็นวิธีหนึ่งสำคัญในการจัดการ และตรวจสอบคุณภาพของทรัพยากรน้ำ โดยทั่วไป มีมีสองวิธีหลักในการตรวจสอบ และประเมินคุณภาพน้ำ: (1) ทางกายภาพ และทางเคมีวิเคราะห์ที่ประเมินคุณภาพน้ำด้วยการดำรงอยู่และเนื้อหาของวัสดุอันตรายในน้ำโดยตรงโดยใช้ความหลากหลายของเครื่องมือ และ (2) ชีวภาพตรวจสอบวิธีการที่ตรวจพบการเปลี่ยนแปลงคุณภาพน้ำและมลพิษสิ่งแวดล้อมโดยกำหนดเปลี่ยนแปลงในสถานะสุขภาพ และลักษณะสรีรวิทยา และการตอบสนองพฤติกรรมของบุคคล หรือชุมชนของสิ่งมีชีวิตในน้ำทำเคมีอย่างต่อเนื่องการ วิเคราะห์ซับซ้อน และค่าใช้จ่าย และยัง มีข้อมูลจำกัดลงบนสารประกอบทางเคมีที่ละเว้นผลประกอบในการวิเคราะห์แยก มันใช้เวลานาน และไม่สามารถใช้อย่างต่อเนื่องใน situ บนมืออื่น ๆ วิธีการตรวจสอบทางชีวภาพให้เป็นข้อมูลพื้นฐานสำหรับการควบคุม และการประเมินคุณภาพสิ่งแวดล้อมจากชีวภาพมอง จุดมุ่งหมายหลักของการตรวจสอบทางชีวภาพของคุณภาพน้ำจะเปลี่ยนแปลงในสถานการณ์สิ่งแวดล้อมของแหล่งน้ำตามตัวบ่งชี้ทางชีวภาพเพื่อการตรวจสอบบรรลุวัตถุประสงค์ของการประเมินที่ครอบคลุมคุณภาพน้ำ [1, 2]เพื่อให้บรรลุนี้ ปลา gills สุภัค microscopically แสดงเป็นองศาที่เพิ่มขึ้นของความเสียหายเนื้อเยื่อ correlated กับคุณภาพของน้ำ [3] เป็นปลา gills ติดต่อคงน้ำ แทนสำคัญอวัยวะเป้าหมายของสารมลพิษละลาย [4, 7] เปลี่ยนแปลงสัณฐาน gills สามารถแสดงการปรับกลยุทธ์เพื่อทำให้บางฟังก์ชันสรีรวิทยาหรือปลายทางเพื่อประเมินการสัมผัสเฉียบพลัน และเรื้อรังกับสารเคมีที่พบในน้ำและตะกอน [3, 5] ในบทความนี้ เราใช้ gills ปลาเป็นไบโอมาร์คเกอร์สำหรับคุณภาพน้ำ [6, 8] ไบโอมาร์คเกอร์วัดหมายถึงคุณสมบัติที่สามารถใช้เป็นตัวบ่งชี้สภาพทางชีวภาพ ระยะนี้บางครั้งหมายถึงการสาร ซึ่งยังแสดงสถานะของชีวิตเอกสารนี้นำเสนอการออกแบบและใช้งานระบบอัตโนมัติในการประเมิน และตรวจสอบคุณภาพน้ำผ่านการศึกษาและจัดประเภทของการเกิดขึ้นของการเปลี่ยนแปลงสัณฐานแตกต่างกันในปลา gills ผ่านจุลพยาธิวิทยาที่ความเสียหายในอวัยวะเป้าหมาย ภาพตัวอย่างแท้จริงประกอบด้วย datasets ที่ใช้สำหรับดำเนินการทดลองปลา gills สัมผัสกับทองแดงและค่า pH ของน้ำในระยะต่าง ๆ histopathological Datasets รวบรวมประกอบด้วยสีภาพ JPEG เป็นภาพ 150 ภาพ 45 ถูกใช้เป็นการฝึกอบรมและ datasets ตามลำดับ มีแบ่งชุดข้อมูลฝึกอบรมเป็นชั้นที่สี่แทนการเปลี่ยนแปลง histopathological ที่แตกต่างกันและระดับคุณภาพน้ำที่เกี่ยวข้องวิธีการนำเสนอประกอบด้วยระยะที่สาม คือการประมวลผลก่อน สกัดคุณลักษณะ และการจัดประเภทขั้นตอนการ ระหว่างขั้นตอนการประมวลผลเบื้องต้น วิธีเสนอปรับขนาดรูป 384 x 256 พิกเซล การลดความดัชนีสี และพื้นหลังของแต่ละรูปแล้วใช้เทคนิคลบพื้นหลัง ยัง แต่ละภาพจะถูกแปลงจาก RGB (แดง เขียว น้ำเงิน) สีเทาขนาด สำหรับขั้นตอนการสกัดคุณลักษณะ ส่วนประกอบหลักมีใช้อัลกอริทึม (PCA) การวิเคราะห์การสร้างเวกเตอร์คุณลักษณะสำหรับแต่ละภาพในชุดข้อมูล ในที่สุด สำหรับขั้นตอนการจัดประเภท วิธีการนำเสนอที่ใช้สนับสนุนเครื่องแบบเวกเตอร์ (SVMs) อัลกอริทึมกับพับ 10 crossvalidationน้ำ ประเภทระดับคุณภาพงานปลา gills เป็นไบโอมาร์คเกอร์ส่วนเหลือของบทความนี้มีการจัดระเบียบดังนี้ ส่วนที่ 2 แสดงจำนวนงานวิจัยล่าสุดที่เกี่ยวข้องการใช้ bioindicators สำหรับการบ่งชี้คุณภาพน้ำ 3 ส่วนอธิบายพื้นฐานของลักษณะการทำงานของ PCAสกัด ตรวจแปลงและขอบ wavelet และอัลกอริทึมประเภท SVMs 4 ส่วนอธิบายการขั้นตอนที่แตกต่างกันของระบบจำแนกประเภทตามเนื้อหาที่นำเสนอ ส่วน 5 แนะนำ gills ปลาทดสอบด้วยกล้องจุลทรรศน์ภาพ datasets และอธิบายผลการทดลองที่ได้รับการ สุดท้าย 6 ส่วนนำเสนอบทสรุปและกล่าวถึงงานในอนาคต2. ที่เกี่ยวข้องกับงานปัจจุบันวิธีการแก้ปัญหาของการตรวจสอบคุณภาพน้ำตาม biomarkers รีวิวส่วนนี้และการจัดประเภท Asmaa Hashem Sweidan et al. / วิทยาการคอมพิวเตอร์ Procedia 65 (2015) 601-611 603ใน [9], ผู้เขียนศึกษาสะสมของโลหะหนักในอวัยวะของพันธุ์ปลา (ปลานิล zilli สองและปลาดุกแอฟริกา) จากการศึกษาแม่น้ำ Benue.This ตัวอย่างเนื้อเยื่อถูกใช้สำหรับตรวจสอบ gillsลำไส้และเนื้อเยื่อ การศึกษานี้แสดงให้เห็นว่า โลหะหนักเข้มข้นขึ้นใน gills ของส่วนอื่น ๆ ของการปลาในน้ำแสดงว่า พวกไบโอมาร์คเกอร์ดีการตรวจสอบมลพิษในแม่น้ำใน [10], ผู้เขียนสรุปว่า จุลพยาธิวิทยาของตับและปลา gills ไบโอมาร์คเกอร์ดี และสามารถใช้สำหรับการตรวจหามลพิษสารเคมีในปลา การเปลี่ยนแปลงสัณฐาน gills ปลาและตับที่เกี่ยวข้องกับ somaticมีการใช้ดัชนี (Hepatosomatic - HSI และปัจจัยเงื่อนไข - CF) เป็น biomarkers แนะนำผลการความสำคัญของการตรวจสอบในการตรวจสอบโปรแกรมเพื่อประเมินการประเมินทางชีวภาพของน้ำ Histopathologicalคุณภาพ และสิ่งแวดล้อม รวมทั้งเพิ่มความน่าเชื่อถือของการวินิจฉัยในการศึกษาคุณภาพน้ำคุดของระบบนิเวศทางน้ำใน [11], ผู้เขียนเสนอแนวทางตามการใช้การวิเคราะห์ภาพวิดีโอ biomonitoring และสนับสนุนแบบเวกเตอร์เครื่อง (SVMs) อัลกอริทึมเพื่อประเมินคุณภาพน้ำ วิธีการนำเสนอขึ้นอยู่กับมาตรฐานของพฤติกรรมของปลาในระหว่างการทดสอบความเป็นพิษเฉียบพลัน สีรูปแบบ และลักษณะแยก นี้วิธีเขียนรวมSVMs และอัลกอริทึมทางพันธุกรรม (GA) เพื่อเสริมสร้างประสิทธิภาพและความถูกต้องของการประเมินคุณภาพน้ำ ที่วิธีการนำเสนอในงานวิจัยนี้สามารถทำได้อย่างถูกต้องมากกว่า 80%ใน [12], ผู้เขียนนำเสนอวิธีการวัดแบบเรียลไทม์เวลาหายใจประเมินทางเดินหายใจmedaka rhythmsin (สกุลออรีเซียส latipes) (มันสามารถวัดได้โดยตรงจากการเคลื่อนไหวของเหงือกปลา) โดยใช้คอมพิวเตอร์วิสัยทัศน์สำหรับการตรวจสอบคุณภาพน้ำ วิธีการนำเสนอขึ้นอยู่กับสีสามารถรับการกระจายตารางผ่านค่าพิกเซลที่ได้รับจาก gills และในบริเวณพื้นที่ทางคณิตศาสตร์สัณฐานวิทยาจับภูมิภาค gills จากเฟรมแต่ละเฟรมเป็นลักษณะแยก งานวิจัยนี้ใช้ adaboost อัลกอริทึมในการแบ่งประเภทคุณภาพน้ำ และSVMsเอกสารนี้นำเสนอระบบจัดประเภทหลายระดับตามเนื้อหาภาพเพื่อตรวจสอบคุณภาพน้ำทางตรวจสอบ และจัดประเภทปลาต่าง ๆ gills ภาพด้วยกล้องจุลทรรศน์ วิธีการนำเสนอในเอกสารนี้รวมรูปร่างลักษณะสกัดและเจ้า SVMs การประเภทประเภทคุณภาพน้ำ3. preliminaries3.1. หลักการวิเคราะห์ส่วนประกอบ (PCA)วิเคราะห์ส่วนประกอบหลักจะเป็นกระบวนการทางสถิติ ซึ่งเป็นวิธีการลดมิติลดมิติสามารถทำได้ โดยการฉายภาพจะต่ำกว่าพื้นที่มิติการแปลงเชิงเส้นโดยใช้ ถึงแม้ว่าPCA เป็นวิธีง่าย และคลาสสิก มันมักจะมีประสิทธิภาพสามารถลดข้อมูลที่ซ้ำซ้อน PCA สามารถได้อย่างง่ายดายขยายขนาดสูงเพื่อให้สามารถใช้การจัดรูป วิเคราะห์ส่วนประกอบหลัก (PCA)อัลกอริทึมประกอบด้วยจำนวนตอน เป็นดังนี้:x โหลดข้อมูลx ลบค่าเฉลี่ยของข้อมูลจากชุดข้อมูลเดิมx หาเมตริกซ์ความแปรปรวนร่วมของชุดข้อมูลx eigenvector(s) ที่เกี่ยวข้องกับ eigenvalue(s) มากที่สุดการค้นหาx Projecting ชุดข้อมูลเดิมใน eigenvector(s) [13]3.2. แปลง wavelet และตรวจหาขอบส่วนย่อยต่อไปนี้อธิบายสั้น ๆ เบื้องหลังของการตรวจสอบแปลงและขอบ wavelet3.2.1 แปลง waveletใช้ในการประมวลผลเป็นเครื่องมือแก้ปัญหาวิเคราะห์ภาพ ลดเสียง รูปภาพการแปลง waveletแบ่ง ฯลฯ สามารถใช้วิเคราะห์ wavelet ข้อมูลข้อมูล one-dimensional และสอง

ผลลัพธ์ (ไทย) 2:

1.
บทนำมลพิษทางน้ำซึ่งเป็นอันตรายต่อการพัฒนาสภาพความเป็นอยู่ของมนุษย์และการพัฒนาอย่างยั่งยืนของเศรษฐกิจได้รับการเน้นเป็นหัวข้อหลักในด้านการประเมิน
protection.The
สิ่งแวดล้อมของคุณภาพน้ำเป็นหนึ่งในวิธีที่สำคัญที่สุดในการจัดการและตรวจสอบคุณภาพของแหล่งน้ำ โดยทั่วไปมีสองวิธีหลักในการตรวจสอบและการประเมินคุณภาพน้ำ (1) การวิเคราะห์ทางกายภาพและเคมีที่ประเมินคุณภาพน้ำโดยการกำหนดการดำรงอยู่และเนื้อหาของวัสดุที่เป็นอันตรายในน้ำโดยตรงโดยใช้ความหลากหลายของเครื่องมือและ(2) การตรวจสอบทางชีวภาพ วิธีการที่ตรวจสอบการเปลี่ยนแปลงคุณภาพน้ำและมลพิษทางสิ่งแวดล้อมโดยการกำหนดเปลี่ยนแปลงในสถานะสุขภาพและลักษณะทางสรีรวิทยาและการตอบสนองพฤติกรรมของบุคคลหรือชุมชนของสิ่งมีชีวิต. เพื่อดำเนินการวิเคราะห์ทางเคมีอย่างต่อเนื่องมีความซับซ้อนและค่าใช้จ่ายและยังให้ข้อมูลที่ จำกัดบนเคมี สารที่ไม่สนใจผลกระทบขององค์ประกอบที่ได้รับการยกเว้นในการวิเคราะห์ มันต้องใช้เวลานานและไม่สามารถนำมาใช้อย่างต่อเนื่องในแหล่งกำเนิด ในทางกลับกันวิธีการตรวจสอบทางชีวภาพเป็นเกณฑ์ในการควบคุมและการประเมินผลของคุณภาพสิ่งแวดล้อมจากจุดทางชีวภาพของมุมมอง จุดมุ่งหมายหลักของการตรวจสอบทางชีวภาพของคุณภาพน้ำคือการตรวจสอบการเปลี่ยนแปลงในสถานการณ์สิ่งแวดล้อมของแหล่งน้ำตามตัวชี้วัดทางชีวภาพเพื่อให้บรรลุวัตถุประสงค์ของการประเมินที่ครอบคลุมของคุณภาพน้ำ[1, 2]. เพื่อที่จะบรรลุเป้าหมายนี้เหงือกปลา ถูกตั้งข้อสังเกตกล้องจุลทรรศน์เพื่อแสดงองศาที่เพิ่มขึ้นของความเสียหายเนื้อเยื่อความสัมพันธ์กับคุณภาพของน้ำ[3] ในฐานะที่เป็นเหงือกปลาอยู่ในการติดต่ออย่างต่อเนื่องกับน้ำพวกเขาเป็นตัวแทนที่มีความสำคัญต่ออวัยวะเป้าหมายของสารมลพิษละลาย [4, 7] การเปลี่ยนแปลงทางสัณฐานวิทยาในเหงือกสามารถเป็นตัวแทนของกลยุทธ์การปรับตัวเพื่อให้ทันบางฟังก์ชั่นทางสรีรวิทยาหรือปลายทางในการประเมินการสัมผัสเฉียบพลันและเรื้อรังกับสารเคมีที่พบในน้ำและตะกอน [3, 5] ในบทความนี้เราจะใช้เหงือกปลาเป็น biomarker สำหรับคุณภาพน้ำ [6, 8] Biomarker วัดหมายถึงทรัพย์สินที่สามารถนำมาใช้เป็นตัวบ่งชี้สภาพชีวภาพ ระยะนี้บางครั้งหมายถึงสารซึ่งยังชี้ให้เห็นการปรากฏตัวของสิ่งมีชีวิต. บทความนี้นำเสนอการออกแบบและการดำเนินงานของระบบอัตโนมัติในการประเมินและตรวจสอบคุณภาพน้ำผ่านการศึกษาและการจัดหมวดหมู่ของการเกิดการเปลี่ยนแปลงทางสัณฐานวิทยาที่แตกต่างกันในเหงือกปลาผ่านจุลพยาธิวิทยาความเสียหายในอวัยวะเป้าหมาย ชุดข้อมูลที่ใช้ในการทดลองมีภาพตัวอย่างที่แท้จริงสำหรับเหงือกปลาสัมผัสกับทองแดงและค่า pH ของน้ำในขั้นตอนที่แตกต่างกันทางจุลพยาธิวิทยา ชุดข้อมูลที่เก็บรวบรวมได้มีสีภาพ JPEG 150 ภาพและภาพที่ 45 ถูกนำมาใช้กับการฝึกอบรมและชุดข้อมูลตามลำดับ ชุดการฝึกอบรมแบ่งออกเป็นสี่ชั้นเรียนที่เป็นตัวแทนของการเปลี่ยนแปลงทางจุลพยาธิวิทยาที่แตกต่างกันและการศึกษาระดับปริญญาที่มีคุณภาพน้ำที่สอดคล้องกัน. วิธีการที่นำเสนอประกอบด้วยสามขั้นตอน; คือก่อนการประมวลผลการดึงและการจัดหมวดหมู่ขั้นตอน ในระหว่างขั้นตอนก่อนการประมวลผลวิธีการที่นำเสนอในการปรับขนาดภาพ 384x256 พิกเซลเพื่อลดของพวกเขาดัชนีสีและพื้นหลังของภาพแต่ละภาพได้ถูกลบออกโดยใช้เทคนิคการลบพื้นหลัง นอกจากนี้แต่ละภาพที่ถูกแปลงจาก RGB (สีแดง, สีเขียว, สีฟ้า) สีเทาขนาด สำหรับขั้นตอนการสกัดคุณลักษณะองค์ประกอบหลักวิเคราะห์ (PCA) ขั้นตอนวิธีการที่นำมาใช้เพื่อสร้างเวกเตอร์คุณลักษณะภาพในชุดข้อมูลที่แต่ละ สุดท้ายสำหรับขั้นตอนการจำแนกวิธีการที่นำเสนอนำไปใช้สนับสนุนเครื่องเวกเตอร์ (SVMs) อัลกอริทึมที่มี 10 เท่า crossvalidation สำหรับคุณภาพน้ำการจำแนกระดับขึ้นอยู่กับเหงือกปลาเป็น biomarker. ส่วนที่เหลือของบทความนี้มีการจัดระเบียบดังต่อไปนี้ ส่วนที่ 2 นำเสนอจำนวนของผลงานวิจัยล่าสุดที่เกี่ยวข้องกับการใช้งานของดัชนีชี้วัดสำหรับการบ่งชี้คุณภาพน้ำ ส่วนที่ 3 อธิบายคุณลักษณะพื้นฐานของ PCA สกัดแปลงเวฟเล็ตและการตรวจสอบที่ทันสมัยและขั้นตอนวิธีการจัดหมวดหมู่ SVMs หมวดที่ 4 การอธิบายถึงขั้นตอนต่างๆของระบบการจำแนกเนื้อหาตามที่เสนอ หมวดที่ 5 แนะนำเหงือกปลาทดสอบชุดข้อมูลภาพด้วยกล้องจุลทรรศน์และกล่าวถึงที่ได้รับผลการทดลอง สุดท้ายมาตรา 6 นำเสนอข้อสรุปและกล่าวถึงการทำงานในอนาคต. 2 งานที่เกี่ยวข้องในส่วนนี้จะแสดงความคิดเห็นแนวทางการแก้ปัญหาในปัจจุบันปัญหาของการ biomarkers ตามการตรวจสอบคุณภาพน้ำและการจำแนก. Asmaa Hashem Sweidan et al, / Procedia วิทยาการคอมพิวเตอร์ 65 (2015) 601 - 611 603 ใน [9] ผู้เขียนได้ศึกษาการสะสมของโลหะหนักในอวัยวะของทั้งสองสายพันธุ์ของปลา (Zilli ปลานิลและปลาปลาดุกแอฟริกา) จากแม่น้ำ Benue.This ศึกษาตัวอย่างเนื้อเยื่อ ถูกนำสำหรับการตรวจสอบของเหงือกลำไส้และเนื้อเยื่อโดยง่ายการศึกษาแสดงให้เห็นว่าโลหะหนักที่มีความเข้มข้นมากขึ้นในเหงือกของส่วนอื่นๆ ของปลาในน้ำและแสดงให้เห็นว่าพวกเขาเป็นbiomarker ที่ดีในการตรวจสอบมลพิษในแม่น้ำ. ใน [10 ] ผู้เขียนได้ข้อสรุปว่าพยาธิสภาพของเหงือกปลาและตับเป็น biomarker ที่ดีและสามารถนำมาใช้ในการตรวจหาสารเคมีมลพิษในปลา การเปลี่ยนแปลงทางสัณฐานวิทยาในเหงือกปลาและตับที่เกี่ยวข้องกับร่างกายดัชนี (ตับ - ปัจจัย HSI และสภาพ - CF) มีการใช้ไบโอมาร์คเกอร์ ผลการแนะนำความสำคัญของการตรวจสอบทางจุลพยาธิวิทยาในโปรแกรมการตรวจสอบเพื่อประเมินการประเมินทางชีวภาพของน้ำที่มีคุณภาพและสิ่งแวดล้อมตลอดจนการเพิ่มความน่าเชื่อถือของการวินิจฉัยในการศึกษาผลกระทบต่อคุณภาพน้ำของระบบนิเวศทางน้ำ. ใน [11] ผู้เขียนเสนอวิธีการตาม เกี่ยวกับการใช้ภาพวิดีโอการวิเคราะห์จุลและการสนับสนุนเครื่องเวกเตอร์(SVMs) ขั้นตอนวิธีการในการประเมินคุณภาพน้ำ วิธีการที่นำเสนอขึ้นอยู่กับมาตรฐานของพฤติกรรมของปลาในระหว่างการทดสอบความเป็นพิษเฉียบพลันรูปแบบสีและการสกัดคุณลักษณะ ในวิธีการนี้ผู้เขียนรวมจำแนกและขั้นตอนวิธีพันธุกรรม (GA) เพื่อเสริมสร้างประสิทธิภาพและความถูกต้องของการประเมินคุณภาพน้ำ วิธีการที่นำเสนอในงานวิจัยนี้จะประสบความสำเร็จได้อย่างถูกต้องมากกว่า 80%. ใน [12] ผู้เขียนวิธีที่นำเสนอสำหรับการวัดเวลาจริงของการวัดเวลาที่ระบบทางเดินหายใจของระบบทางเดินหายใจMedaka rhythmsin (latipes Oryzias) (มันสามารถวัดได้โดยตรงจากการเคลื่อนไหวของเหงือกปลา ) โดยใช้เครื่องคอมพิวเตอร์วิสัยทัศน์สำหรับการตรวจสอบคุณภาพน้ำ วิธีการที่นำเสนอขึ้นอยู่กับตารางการจัดจำหน่ายสีจะได้รับผ่านค่าพิกเซลที่ได้รับจากเหงือกและพื้นที่โดยรอบสัณฐานทางคณิตศาสตร์ในการจับภาพภูมิภาคเหงือกจากแต่ละกรอบการสกัดคุณลักษณะการวิจัยโดยง่ายการใช้อัลกอริทึมadaboost การจำแนกคุณภาพน้ำและการจำแนกนี้กระดาษที่มีการจัดหลายระดับเนื้อหาตามระบบการจำแนกภาพในการตรวจสอบคุณภาพน้ำผ่านการตรวจสอบและจำแนกชนิดปลาที่แตกต่างกันเหงือกภาพด้วยกล้องจุลทรรศน์ วิธีการที่นำเสนอในบทความนี้รวมการดึงรูปทรงและการจัดจำแนกลูกจ้างในการจำแนกคุณภาพน้ำ. 3 ขั้น3.1 วิเคราะห์องค์ประกอบหลัก (PCA) วิเคราะห์องค์ประกอบหลักเป็นขั้นตอนทางสถิติซึ่งเป็นประเภทของวิธีการลดมิติ. ลดมิติจะทำได้โดยการฉายไปยังพื้นที่ที่ต่ำกว่ามิติโดยใช้การแปลงเชิงเส้น แม้ว่าPCA เป็นวิธีที่ง่ายและคลาสสิกก็มักจะมีประสิทธิภาพลดข้อมูลที่ซ้ำซ้อน PCA สามารถจะขยายไปยังมิติที่สูงขึ้นในการที่จะนำมาใช้สำหรับการจัดหมวดหมู่ของภาพ วิเคราะห์องค์ประกอบหลัก (PCA) ขั้นตอนวิธีประกอบด้วยจำนวนของขั้นตอนดังต่อไปนี้. x โหลดข้อมูล x ลบค่าเฉลี่ยของข้อมูลจากชุดเดิม. x หาแปรปรวนเมทริกซ์ของชุดข้อมูลที่. x หาวิคเตอร์ (s) ที่เกี่ยวข้องกับการที่ยิ่งใหญ่ที่สุด eigenvalue (s). x ฉายชุดข้อมูลเดิมในวิคเตอร์ (s) [13]. 3.2 เวฟและการตรวจสอบขอบต่อไปส่วนย่อยอธิบายพื้นหลังของเวฟแปลงและการตรวจหาขอบ3.2.1 การแปลงเวฟเวฟแปลงที่ใช้ในการประมวลผลภาพเป็นเครื่องมือในการแก้ปัญหาในการวิเคราะห์ภาพ, การลดสัญญาณรบกวนภาพการแบ่งส่วน ฯลฯ การวิเคราะห์เวฟสามารถ นำไปใช้กับข้อมูลในหนึ่งมิติและข้อมูลสองมิติ

ผลลัพธ์ (ไทย) 3:

1 . บทนำ
มลพิษในน้ำ ซึ่งเป็นอันตรายต่อการพัฒนาสภาพความเป็นอยู่ของมนุษย์ และการพัฒนาอย่างยั่งยืนของเศรษฐกิจ ได้รับการเน้นเป็นหัวข้อหลักในด้านการคุ้มครองสิ่งแวดล้อม การประเมิน
คุณภาพน้ำเป็นหนึ่งในวิธีที่สำคัญที่สุดในการจัดการและการตรวจสอบคุณภาพของน้ำ โดยทั่วไปมี
มีสองวิธีหลักของการตรวจสอบและประเมินคุณภาพน้ำ ( 1 ) ทางกายภาพ ทางเคมี การวิเคราะห์ที่ประเมินคุณภาพน้ำ โดยกำหนด
การดำรงอยู่และเนื้อหาของวัสดุที่เป็นอันตรายในน้ำได้โดยตรงโดยใช้ความหลากหลายของ
เครื่องมือ และ ( 2 ) วิธีการตรวจสอบทางชีวภาพที่ตรวจหาการเปลี่ยนแปลงคุณภาพน้ำและมลพิษทางสิ่งแวดล้อม โดย
การเปลี่ยนแปลงในสถานะสุขภาพและลักษณะทางสรีรวิทยาและพฤติกรรมการตอบสนองของบุคคลหรือชุมชน

ของสัตว์น้ำ เพื่อดำเนินการวิเคราะห์สารเคมีอย่างต่อเนื่องที่ซับซ้อนและราคาแพง และยังให้ข้อมูลที่ จำกัด บน
สารประกอบทางเคมีที่ไม่สนใจผลของการยกเว้นองค์ประกอบในการวิเคราะห์ มันต้องใช้เวลานาน และไม่สามารถ
ถูกใช้อย่างต่อเนื่องในแหล่งกำเนิดบนมืออื่น ๆ , วิธีการตรวจสอบทางชีวภาพให้พื้นฐานสำหรับการควบคุมและ
การประเมินคุณภาพด้านสิ่งแวดล้อมจากจุดชีวภาพในมุมมองของ จุดมุ่งหมายหลักของการตรวจสอบทางชีวภาพของ
คุณภาพน้ำเพื่อตรวจสอบการเปลี่ยนแปลงในสภาพแวดล้อมของแหล่งน้ำบนพื้นฐานของตัวชี้วัดทางชีวภาพ

บรรลุวัตถุประสงค์ของการประเมินคุณภาพน้ำ [ 1 , 2 ] .
เพื่อให้บรรลุนี้เหงือกปลาพบกล้องจุลทรรศน์เพื่อแสดงการเพิ่มองศาของความเสียหาย
เนื้อเยื่อมีความสัมพันธ์กับคุณภาพของน้ำ [ 3 ] เป็นปลาที่พบอยู่ในคงติดต่อกับน้ำ พวกเขาเป็นตัวแทนของอวัยวะสำคัญ
เป้าหมายละลายน้ำมลพิษ [ 4 , 5 ] การเปลี่ยนแปลงลักษณะทางสัณฐานวิทยาในเหงือกสามารถแสดงกลยุทธ์การปรับตัว
ติดตามหน้าที่ทางสรีรวิทยาบางส่วนหรือข้อมูลเพื่อประเมินการสัมผัสสารเคมีเฉียบพลันที่พบใน
น้ำและตะกอนดิน และเรื้อรัง . [ 5 ] ในบทความนี้ เราใช้ปลาเหงือกเป็นไบโอมาร์คเกอร์สำหรับคุณภาพน้ำ [ 6 , 8 ] การวัดไบโอมาร์คเกอร์
หมายถึงคุณสมบัติที่สามารถใช้เป็นตัวบ่งชี้ของเงื่อนไขทางชีวภาพ เทอมนี้บางครั้งหมายถึง
ให้สารซึ่งยังพบการปรากฏตัวของสิ่งมีชีวิต
บทความนี้นำเสนอการออกแบบและสร้างระบบอัตโนมัติที่จะประเมิน และตรวจสอบคุณภาพน้ำ โดยศึกษา
การเกิดสัณฐานวิทยาที่แตกต่างกันการเปลี่ยนแปลงในเหงือกปลาผ่าน
จุลพยาธิวิทยาความเสียหายในอวัยวะเป้าหมาย ข้อมูลที่ใช้สำหรับทำการทดลองมีภาพตัวอย่างจริง
เหงือกปลาสัมผัสกับทองแดงและน้ำ pH ในระยะทางที่แตกต่างกัน การเก็บรวบรวมข้อมูล ประกอบด้วยสี
ภาพ JPEG เป็น 150 ภาพ และ 45 ภาพใช้ฝึกอบรมและข้อมูลตามลำดับ ข้อมูลการฝึกอบรมแบ่งเป็นสี่ชั้นแทน
แตกต่างกันและระดับการศึกษาการเปลี่ยนแปลงคุณภาพน้ำ
ที่สอดคล้องกันวิธีการที่เสนอประกอบด้วยสามขั้นตอน ได้แก่ การสกัดและการประมวลผล , คุณลักษณะ , ขั้นตอนการ

ในระหว่างการประมวลผลเฟส เสนอวิธีการปรับขนาดภาพให้ 384x256 พิกเซลเพื่อลดดัชนีสี
, และพื้นหลังของภาพแต่ละภาพถูกลบออกโดยใช้เทคนิคการลบพื้นหลัง นอกจากนี้แต่ละ
ภาพจะถูกแปลงจาก RGB ( แดง เขียวสีน้ำเงิน ) ขนาดสีเทา สำหรับคุณลักษณะขั้นตอนการสกัด , การวิเคราะห์องค์ประกอบหลัก ( PCA )
ขั้นตอนวิธีที่ใช้ในการสร้างคุณลักษณะเวกเตอร์สำหรับภาพแต่ละภาพในชุดข้อมูล . สุดท้ายสำหรับ
เฟสชนิด เสนอวิธีการประยุกต์เครื่องเวกเตอร์สนับสนุนขั้นตอนวิธี ( แบบพับ ) 10 crossvalidation
คุณภาพน้ำระดับการจำแนกตามปลาเหงือกเป็นไบโอมาร์คเกอร์ .
ส่วนที่เหลือของบทความนี้จะจัดดังนี้ ส่วนที่ 2 แสดงจำนวนของการวิจัยล่าสุดที่เกี่ยวข้องกับการใช้ตัวบ่งชี้ทางชีวภาพสำหรับ
บ่งชี้คุณภาพน้ำ ส่วนที่ 3 กล่าวถึงพื้นฐานของระบบคุณลักษณะ
การสกัดและการแปลงเวฟตรวจจับขอบ และการจำแนกแบบอัลกอริทึม ส่วนที่ 4 อธิบาย
ระยะต่าง ๆของการนำเสนอเนื้อหาประเภทระบบ มาตรา 5 เป็นการทดสอบปลาเหงือก
กล้องจุลทรรศน์ภาพข้อมูลและกล่าวถึงการวิเคราะห์ผลการทดลอง ในที่สุด , มาตรา 6 นำเสนอข้อสรุปและกล่าวถึงการทำงานในอนาคต
.
2 งานที่เกี่ยวข้องในส่วนนี้รีวิว
จุบันการแก้ปัญหาของการตรวจสอบคุณภาพน้ำทางชีวภาพ
และจำแนกตาม
asmaa Hashem sweidan et al . วิทยาศาสตร์คอมพิวเตอร์ / procedia 65 ( 2015 ) 601 ( 611 891
ใน [ 9 ] , ผู้เขียนได้ศึกษาการสะสมของโลหะหนักในอวัยวะของทั้งสองสายพันธุ์ของปลา ปลานิล และปลาดุกเทศ zilli
ปลาจากแม่น้ำเวในการศึกษาครั้งนี้ใช้ตัวอย่างเนื้อเยื่อถูกตรวจสอบอย่างหนัก
, ลำไส้และเนื้อเยื่อการศึกษานี้พบว่าโลหะหนักมีความเข้มข้นมากขึ้นในส่วนอื่น ๆของ
เหงือกของปลาในน้ำและแสดงให้เห็นว่าพวกเขามีดีไบโอมาร์คเกอร์ตรวจสอบมลพิษในแม่น้ำ
[ 10 ] ผู้เขียนสรุปได้ว่า การเปลี่ยนแปลงของเหงือกปลาและตับเป็นไบโอมาร์คเกอร์ที่ดีและสามารถใช้สำหรับการตรวจหา
มลพิษทางเคมีในปลาการเปลี่ยนแปลงลักษณะทางสัณฐานวิทยาในเหงือกและตับปลาที่เกี่ยวข้องกับดัชนีโซมา
( HSI hepatosomatic - เงื่อนไขและปัจจัย - CF ) ได้ถูกใช้เป็นแบบใหม่ . ชี้ให้เห็นความสำคัญของการศึกษา
การสืบสวนในโปรแกรมตรวจสอบเพื่อประเมินการประเมินทางชีวภาพของน้ำ
คุณภาพ และ สิ่งแวดล้อม รวมทั้งการเพิ่มความน่าเชื่อถือของการวินิจฉัยในผลกระทบการศึกษาคุณภาพน้ำสัตว์น้ำระบบนิเวศ
.
[ 11 ] ผู้เขียนเสนอวิธีการขึ้นอยู่กับการใช้ภาพวิดีโอการวิเคราะห์และสนับสนุนเครื่องเวกเตอร์ biomonitoring
( แบบ ) โดยประเมินคุณภาพน้ำ วิธีการที่เสนอจะขึ้นอยู่กับมาตรฐานของ
พฤติกรรมของปลาในการทดสอบความเป็นพิษเฉียบพลัน , รูปแบบสีและการสกัดคุณลักษณะ ในวิธีการนี้ผู้เขียนทั้งสองแบบรวมกัน
และขั้นตอนวิธีทางพันธุกรรม ( GA ) เพื่อเสริมสร้างประสิทธิภาพและความถูกต้องของการประเมินคุณภาพน้ำ
วิธีการที่เสนอในงานวิจัยนี้ได้ถูกต้องมากกว่าร้อยละ 80
[ 12 ]ผู้เขียนเสนอวิธีการวัดการวัดเวลาหายใจของเมดากะ rhythmsin ระบบทางเดินหายใจ
แบบเรียลไทม์ ( กรมอุทกศาสตร์ latipes ) ( มันสามารถวัดได้โดยตรงจากการเคลื่อนไหวของเหงือกปลา ) โดยใช้คอมพิวเตอร์
วิสัยทัศน์สำหรับการตรวจสอบคุณภาพน้ำ วิธีการที่เสนอจะขึ้นอยู่กับตารางสามารถรับ
สีกระจายโดยพิกเซลได้จากเหงือก และพื้นที่โดยรอบ โครงสร้างทางคณิตศาสตร์เพื่อจับภาพ
เหงือกภูมิภาคจากแต่ละเฟรมเป็นการสกัดคุณลักษณะ งานวิจัยนี้ใช้วิธี adaboost เปรียบเทียบคุณภาพน้ำและ

บทความนี้นำเสนอแบบหลายชั้นเนื้อหาระบบการจำแนกภาพเพื่อติดตามตรวจสอบคุณภาพน้ำทาง
ตรวจสอบและแยกประเภทเหงือกปลาที่แตกต่างกันด้วยภาพ วิธีการที่เสนอใน
กระดาษนี้จะรวมรูปร่างการสกัดคุณลักษณะและการจำแนกกลุ่มใช้แบบคุณภาพน้ำ
3 รอบคัดเลือก
3.1 . การวิเคราะห์องค์ประกอบหลัก ( PCA )
การวิเคราะห์องค์ประกอบหลักคือ วิธีการทางสถิติ ซึ่งเป็นประเภทของวิธีการลดมิติ .
การลดมิติได้โดยฉายเพื่อลดช่องว่างมิติโดยใช้การแปลงเชิงเส้น แม้ว่า
PCA เป็นง่ายและคลาสสิก วิธี มันสามารถได้อย่างมีประสิทธิภาพลดข้อมูลซ้ำซ้อน ระบบสามารถขยายขนาด
สูงกว่าเพื่อที่จะใช้สำหรับประเภทของภาพ การวิเคราะห์องค์ประกอบหลัก ( PCA )
ขั้นตอนประกอบด้วยขั้นตอนดังนี้ :
,x โหลดข้อมูล
x ลบค่าเฉลี่ยของข้อมูลจากข้อมูลเดิม
x การค้นหาความแปรปรวนเมทริกซ์ข้อมูล .
x การค้นหาเวกเตอร์ลักษณะเฉพาะ ( s ) ที่เกี่ยวข้องกับค่ามากที่สุด ( s )
x การข้อมูลต้นฉบับในเวกเตอร์ลักษณะเฉพาะ ( S ) [ 13 ] .
2 . วิธีการแปลงเวฟเล็ตและ
ตรวจจับขอบต่อไปนี้ย่อยส่วนอธิบายพื้นหลังของการแปลงเวฟและขอบการดำเนินงานการแปลงเวฟ

แปลงเวฟเล็ตที่ใช้ในการประมวลผลข้อมูลภาพเป็นโซลูชั่นเครื่องมือสำหรับการวิเคราะห์ภาพ , การลดเสียงรบกวนการแบ่งส่วนภาพ
, ฯลฯ , การวิเคราะห์เวฟเล็ตสามารถใช้ข้อมูลในหนึ่งมิติสองมิติข้อมูลและ