Žiedadulkių atpažinimas ir identifikavimas iš skaitmeninių holografijos vaizdų

Ištrauka

Žiedadulkių atpažinimas ir identifikavimas iš skaitmeninių holografijos vaizdų
Bakalauro baigiamasis darbas

Santrauka
Šiame darbe nagrinėjamas deterministinių ir dirbtinių neuroninių tinklų modelių taikymas
siekiant atpažinti ir identifikuoti žiedadulkių daleles iš skaitmeninių holografinių vaizdų.
Tyrimo metu literatūroje buvo išnagrinėti įvairūs žiedadulkių atpažinimo ir klasifikavimo
metodai bei algoritmai, kuriuos pritaikius turimiems duomenims buvo gauti rezultatai, jog neturint
sužymėto nebiologinių dalelių duomenų rinkinio, geriausiai žiedadulkių atpažinimo uždavinį
atliko elipsės taikymo prie dalelių kontūro metodas, kuris atpažinimui remiasi aptiktų dalelių
forma. Pritaikius literatūros analizėje geriausius rezultatus teikiančius modelius ir palyginus jų
rezultatus buvo gauta, kad ResNeSt­101 architektūros modelis geriausiai tiko žiedadulkių dalelių
klasifikavimui iš holografinių vaizdų.
Raktiniai žodžiai: dirbtiniai neuroniniai tinklai, žiedadulkių atpažinimas, žiedadulkių
klasifikavimas, autoenkoderiai, skaitmeninė holografija

Turinys
ĮVADAS 5
1. LITERATŪROS APŽVALGA 7
1.1. Žiedadulkių atpažinimo modeliai 7
1.2. Žiedadulkių klasifikavimo modeliai 10
2. TYRIMAI 13
2.1. Duomenys 13
2.1.1. Duomenų rinkiniai žiedadulkių klasifikavimui 13
2.1.2. Duomenų rinkiniai žiedadulkių atpažinimui 14
2.2. Žiedadulkių atpažinimas 14
2.2.1. Žiedadulkių atpažinimas taikant elipsę prie dalelės kontūro 14
2.2.2. Anomalijų aptikimas naudojant autoenkoderius 17
2.2.3. Rezultatai 18
2.3. Žiedadulkių klasifikavimas 19
2.3.1. Duomenų paruošimas klasifikavimui 19
2.3.2. Žiedadulkių klasifikavimas naudojant VGG16 19
2.3.3. Žiedadulkių klasifikavimas naudojant DenseNet­201 20
2.3.4. Žiedadulkių klasifikavimas naudojant ResNeSt­101 21
2.3.5. Konvoliucinių neuroninių tinklų modelių kūrimas, apmokymas 22
2.3.6. Rezultatai 22
REZULTATAI 25
IŠVADOS 26
ŠALTINIAI 27
PRIEDAI 30

Įvadas
Šiame darbe bus panaudojami įvairūs deterministiniai bei neuroninių tinklų modeliai siekiant
atpažinti ir identifikuoti žiedadulkių daleles iš skaitmeninių holografijos vaizdų.
Sergamumas polinoze ar kitomis susijusiomis ligomis, kaip alerginis rinitas, labiau žinoma
kaip šienligė, ar astma per pastaruosius dešimtmečius ženkliai išaugo, ko pasekoje didėja ir susi­
domėjimas aerozolinių dalelių ir žiedadulkių tyrimais [MTT+24; SZA+20]. Pasak mokslininkų
[DCB+07; Šau21], daugeliui žmonių alergija žiedadulkėms gali sukelti įvairių sveikatos problemų.
Alerginis rinitas yra viena iš dažniausių lėtinių neinfekcinių ligų, paveikianti maždaug 25% vaikų ir
40% suaugusių pasaulyje [NTM+22]. Taip pat, Pasaulinė alergijų organizacija bei kiti literatūriniai
šaltiniai perspėja, jog klimato kaita prailgina žiedadulkių sezoną, augalai pradeda žydėti ir būna
apdulkinti anksčiau ir didesniais kiekiais, taip dar labiau paveikdama alergijas turinčius asmenis
[NTM+22; Paw14]. Sąmoningas alergenų vengimas parodo alergijos simptomų pagerėjimą ir
yra vienas veiksmingiausių būdų juos sumažinti [LCE+20]. Žmonėms turintiems sunkesnius
simptomus, žinojimas, kur ir kada gali būti padidėjusi žiedadulkių koncentracija ore, gali padėti
išvengti sveikatos ir savijautos problemų [VPV08]. Šiuo metu žiedadulkėms prognozuoti yra
naudojami įvairios žiedadulkių gaudyklės, detektoriai, kurie matuoja žiedadulkių kiekį ore, tokie
kaip Swisens Poleno [SZA+20], kuris yra naudojamas matuoti žiedadulkių kiekį ore Vilniuje. Ši
gaudyklė taip pat padaro kiekvienos pagautos ore esančios dalelės holografinės nuotraukas, su
kuriomis taip pat pateikiamos ir kitos optinės savybės [SZA+20].
Šiuo metu mokslininkai remiasi Hirst mechanine tūrine gaudykle, kaip pagrindiniu metodu
žiedadulkių stebėjimui [KKK+22]. Pasak doc. dr. L. Šukienės: „jos veikimo principas paremtas
vadinamuoju būgnu, kuriame talpinama lipni juosta, o būgnas yra sukamas laikrodinio mechanizmo
pagalba. Viskas, kas yra ore, prilimpa prie juostelės, kurią galima parsinešti į laboratoriją, ir
paruošus mėginį jį identifikuoti mikroskopu“ [Rip19]. Mėginių rinkėjai nuosekliai dirba ir ruošia
valandos ir dienos intervalų duomenis. Tuomet laboratorijoje yra atliekama kokybinė ir kiekybinė
pagautų žiedadulkių analizė naudojantis mikroskopu, dažniausiai padidinus 400 kartų. Taip pat
yra standartas, kad mokslininkai privalo ištirti bent 10% procentų mėginio. Taigi, palinologinė
analizė yra labai daug laiko reikalaujantis procesas, o ypač medžių žydėjimo sezonu, kurie į
atmosfera išleidžia didžiulius kiekius žiedadulkių dalelių. Net vieno preparato sukūrimas dažnai
reikalauja kelių valandų palinologo darbo, todėl norint išvengti monotoniško mokslininkų darbo šį
procesą galima palengvinti ir automatizuoti [KKK+22]. Šiai problemai spręsti galima pasitelkti
matematinius,...