Разработчик

ФГБНУ ФИЦ ИЦиГ СО РАН

Авторы

Бусов И. Д., Генаев М. А., Комышев Е.Г., Зыкова Т.Е., Афонников Д.А.

Краткая характеристика

Программа предназначена для обработки полученных для зерен растений гиперспектральных изображений — многоканальных изображений, для которых каждый канал характеризует интенсивность отраженного излучения с определенной длиной волны. Программа проводит нормализацию интенсивностей на разных длинах волн, сегментацию объектов (зерен) и анализ гиперспектров для них, строит графики медиан каналов, разницу выборочных средних двух подвыборок, 95% и 99% доверительные интервалы для этой статистики по каждому каналу и сохраняет результаты обработки в формате html.

Спектры зерен для различных линий ячменя. по оси X — длина волны, нм, ось Y — коэффициент отражения.

Кластеризация различных линий ячменя методом UNET

Области возможного использования

Программа может быть использована в селекции растений в задачах массового фенотипирования растений, для определения химического состава семян культурных растений, разработке новых методов диагностики болезней растений.

Степень готовности разработки к практическому применению

Программа готова к практическому применению.

Возможный технический и (или) экономический эффект

Конвейер анализа гиперспектральных изображений, использование которого может существенно сократить временные затраты в исследованиях, связанных с гиперспектральной визуализацией.

Сравнительные характеристики с известными разработками

Для предоставления гиперспектральной информации семян разрабатываются платформы, такие как HyperSeed, включающую высокопроизводительный спектрограф линейного сканирования (600-1700 нм), а также программное обеспечение с открытым исходным кодом на основе графического пользовательского интерфейса. Система использовалась для классификации семян риса (с точностью до 97,5%), выращенных в условиях теплового стресса и контрольной среды, используя как традиционные модели машинного обучения, так и модели нейронных сетей (3D CNN) (Gao et al., 2021).

Таким образом, анализ гиперспектральных изображений представляет большой интерес в различных задачах. Однако разработка алгоритмов анализа таких данных является трудоемкой задачей. Данная разработка позволяет существенно сократить временные затраты в исследованиях, связанных с гиперспектральной визуализацией. Конвейер ОГИЗ обработки гиперспектральных изображений, включает в себя: базовый статистический анализ, визуализацию многоканального гиперспектрального изображения, а также решение задач классификации и кластеризации при помощи классических методов машинного обучения. В текущей версии пакета реализованы следующие методы: построение доверительного интервала произвольного уровня для разницы выборочных средних, проверка равенства распределений двух классов гиперспектральных изображений на основе U-критерия Манна-Уитни и критерия согласия Пирсона (критерий хи-квадрат), визуализация в двумерном пространстве с помощью таких методов понижения размерности как: PCA, ISOMAP и UMAP,  классификация с помощью линейной регрессии или гребневая регрессии, случайного леса и catboost, а также кластеризация с помощью EM-алгоритма.

Защита разработки

Свидетельство о регистрации № 2023618994, зарегистрирована в Реестре ПрЭВМ 03.05.2023, Бюл. № 5 , Заявка №  2023617790, дата поступления заявки: 24.04.2023.