Evidențierea randamentului investițiilor pentru căpșuni
- 207
Unul dintre conceptele din procesarea imaginilor este ROI. Acesta nu este altceva decât zonele din imagine care ne interesează.
Pentru H, acum trecem imaginea în domeniul HSV și creăm o mască din domeniul H.
Pe mască, efectuăm o detecție a conturului.
Filtrăm contururile care sunt prea scurte, deoarece acestea sunt de obicei zgomot de fond.
Se determină pătratele de includere a contururilor rămase. Apoi, aceste părți sunt evidențiate din imagine. Și o putem trimite experților…
Și, în sfârșit, iată cele 3 mici imagini de care ne întrebam:
ROI – Region Of Interest.
Nu este diferit în procesarea imaginilor agricole.
Avem imaginile noastre: în cazul nostru, o imagine a unui câmp de căpșuni. Și ne întrebăm dacă sunt căpșuni coapte în ea. Dacă există, unde se află. Evidențiem aceste căpșuni din imagine și le transmitem unui algoritm de clasificare a căpșunilor, care determină dacă căpșunile sunt sănătoase sau nu, sau cât de coapte sunt, pe baza culorii.
Pot fi trimise la un expert. Este costisitor ca un expert să viziteze 10-20 de livezi la fiecare 2 zile. Realizarea unei serii de imagini de înaltă rezoluție ale zonei și trimiterea acestor imagini de înaltă rezoluție, de obicei prin intermediul internetului mobil, este un proces lent. Mai ales că doar 5-10% din imagini prezintă interes pentru expert. Prin urmare, existența unui algoritm de procesare a imaginii ROI este foarte utilă în astfel de cazuri.
Un alt exemplu este trimiterea unei frunze de piersic cu caramele în acest mod. Cineva face 2-2 fotografii ale copacilor. Fiecare imagine va arăta cel puțin 200-200 de frunze, dar poate că doar fiecare al zecelea copac are 1-2 frunze bolnave la începutul unei epidemii.
În acest caz, dacă algoritmul se uită rapid prin frunze, chiar și prin câteva zeci sau sute de mii, și evidențiază cele 50 de cazuri suspecte într-o galerie și le trimite doar pe acelea expertului, este o victorie sigură. Iar expertul decide ce boli vede sau poate că este vorba doar de o mestecare sau de altceva care a cauzat deformarea frunzei.
Acum, în exemplul nostru, să luăm o imagine care include căpșuni și să evidențiem doar acele regiuni – ROI – care conțin căpșuni mature.
– /wp:paragraph –>
Pentru H, acum trecem imaginea în domeniul HSV și creăm o mască din domeniul H.
Pe mască, efectuăm o detecție a conturului.
Filtrăm contururile care sunt prea scurte, deoarece acestea sunt de obicei zgomot de fond.
Se determină pătratele de includere a contururilor rămase. Apoi, aceste părți sunt evidențiate din imagine. Și o putem trimite experților…
Și, în sfârșit, iată cele 3 mici imagini de care ne întrebam:
