Możliwości zastosowania oprogramowania DeltaPix InSight w procesie zliczania ziaren pyłku leszczyny, olszy i brzozy

Szymon Tomczyk, Małgorzata Malkiewicz, Małgorzata Werner
{"title":"Możliwości zastosowania oprogramowania DeltaPix InSight w procesie zliczania ziaren pyłku leszczyny, olszy i brzozy","authors":"Szymon Tomczyk, Małgorzata Malkiewicz, Małgorzata Werner","doi":"10.24292/01.ap.192140923","DOIUrl":null,"url":null,"abstract":"Niniejsza praca ma na celu ocenę możliwości zastosowania oprogramowania DeltaPix InSight do automatycznego rozpoznawania ziaren pyłku leszczyny (Corylus sp.), olszy (Alnus sp.) i brzozy (Betula sp.). Analiza dotyczyła danych dobowych ze stacji monitoringu we Wrocławiu i została przeprowadzona dla 2 tygodni sezonu 2023.Oprogramowanie DeltaPix wykorzystywało 5 kryteriów do rozpoznawania ziaren pyłku, tj.: barwy ustalonej za pomocą trzech rang RGB, morfologii szukanych obiektów, jako etap preprocessingu oraz progów dotyczących powierzchni, kształtu i średnicy Fereta dla wyznaczonych przez program obszarów, które odpowiadają 2 pierwszym kryteriom.Wyniki zliczania automatycznego porównano z wynikami obserwacji manualnej i podsumowano przy użyciu miar trafności prognoz. Przeprowadzona analiza wykazała, że zastosowanie 4 pierwszych kryteriów pozwala uzyskać najlepsze wyniki. Przy dołączeniu progu związanego ze średnicą Fereta oprogramowanie znacznie gorzej radziło sobie ze zliczaniem materiału pyłkowego. Rezultaty najbardziej zbliżone do wyników obserwacji manualnej udało się uzyskać przede wszystkim w czasie tygodnia, kiedy przeważał pyłek olszy oraz leszczyny. Znacznie gorsze wyniki dotyczą rozpoznawania brzozy ze względu na dużą liczbę ziaren, w tym podobnych do pyłku brzozy (np. dębu), a także zanieczyszczenia na preparacie (fragmenty roślin), co skutkowało licznymi fałszywymi sygnałami. Weryfikacja pozwoliła zidentyfikować główne zalety i wady oprogramowania oraz określić, kiedy może być ono pomocne w zliczaniu ziaren pyłku.","PeriodicalId":480185,"journal":{"name":"Alergoprofil","volume":"2013 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-09-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Alergoprofil","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24292/01.ap.192140923","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Niniejsza praca ma na celu ocenę możliwości zastosowania oprogramowania DeltaPix InSight do automatycznego rozpoznawania ziaren pyłku leszczyny (Corylus sp.), olszy (Alnus sp.) i brzozy (Betula sp.). Analiza dotyczyła danych dobowych ze stacji monitoringu we Wrocławiu i została przeprowadzona dla 2 tygodni sezonu 2023.Oprogramowanie DeltaPix wykorzystywało 5 kryteriów do rozpoznawania ziaren pyłku, tj.: barwy ustalonej za pomocą trzech rang RGB, morfologii szukanych obiektów, jako etap preprocessingu oraz progów dotyczących powierzchni, kształtu i średnicy Fereta dla wyznaczonych przez program obszarów, które odpowiadają 2 pierwszym kryteriom.Wyniki zliczania automatycznego porównano z wynikami obserwacji manualnej i podsumowano przy użyciu miar trafności prognoz. Przeprowadzona analiza wykazała, że zastosowanie 4 pierwszych kryteriów pozwala uzyskać najlepsze wyniki. Przy dołączeniu progu związanego ze średnicą Fereta oprogramowanie znacznie gorzej radziło sobie ze zliczaniem materiału pyłkowego. Rezultaty najbardziej zbliżone do wyników obserwacji manualnej udało się uzyskać przede wszystkim w czasie tygodnia, kiedy przeważał pyłek olszy oraz leszczyny. Znacznie gorsze wyniki dotyczą rozpoznawania brzozy ze względu na dużą liczbę ziaren, w tym podobnych do pyłku brzozy (np. dębu), a także zanieczyszczenia na preparacie (fragmenty roślin), co skutkowało licznymi fałszywymi sygnałami. Weryfikacja pozwoliła zidentyfikować główne zalety i wady oprogramowania oraz określić, kiedy może być ono pomocne w zliczaniu ziaren pyłku.
DeltaPix InSight 软件在榛树、桤木和桦树花粉粒计数中的适用性
本研究旨在评估 DeltaPix InSight 软件在自动识别榛树(Corylus sp.)、桤木(Alnus sp.)和桦树(Betula sp.)花粉粒方面的适用性。DeltaPix 软件使用 5 个标准来识别花粉粒,即:由三个 RGB 等级确定的颜色、作为预处理步骤的搜索对象的形态,以及由软件确定的区域的面积、形状和 Feret 直径的阈值(与前 2 个标准相对应)。分析结果表明,使用前 4 项标准的结果最好。如果加入与费雷特直径相关的阈值,软件在花粉材料计数方面的表现就会大打折扣。与人工观测结果最接近的结果主要出现在一周内,桤木和榛子花粉占多数。桦树花粉的识别结果明显较差,这是因为花粉粒数量较多,包括与桦树花粉相似的花粉粒(如橡树花粉),以及制备过程中的污染(植物碎片),从而导致了大量错误信号。审查确定了该软件的主要优缺点,以及何时可以帮助计数花粉粒。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信