В данном разделе рассматривается процесс построения эталонной (базовой) модели, которая является основой для получения начальных метрик качества и корректности подготовки данных, структуры модели и настроек основных параметров для дальнейшего обучения.

Процесс создания эталонной модели основывается на удалении фоновых пикселей гиперспектральных изображений, что позволяет обеспечить автоматическую сегментацию пораженных возбудителями болезней сельскохозяйственных культур участков на растительных образцах.

Данная модель будет использоваться в качестве образца и применяться ко всем изображениям для облечения обучения и классификационных процессов.

Первоначально осуществляется создание эталонной модели путем добавления новой сегментации и присвоения имени эталонной модели (рисунок 39, 40).

Далее открывается мастер создания модели образцов, где применяется следующий алгоритм с соответствующим спектром функций:

1) выбор измерений для сегментации (рисунок 41);

2) выбор спектральных полос в рамках определенных волновых диапазонов (по умолчанию включается весь диапазон спектральных полос; также есть функции предварительной обработки данных – по умолчанию применяется SNV), что включает в себя:

- необработанный спектр измерений для сегментации (рисунок 42);

- модельные нагрузки по основным компонентам (рисунок 43);

- отношение сигнал-шума в рамках волнового диапазона (рисунок 44);

3) выбор пикселей:

- получение мозайки изображений (рисунок 45);

- выбор зон интереса, содержащих пиксели пораженных болезнями участков внутри исследуемых объектов, соответствующих наиболее ярко выраженным участкам (в основном, красного и желтого цвета), плотно сгруппированным пикселям кластера на диаграмме рассеяния. Исключение и включение определенных пикселей осуществляется в соответствии с панелью инструментов справа (также при необходимости возможно удаление пикселей границ выделяемых объектов) (рисунок 46–48)

4) определение показателей критического расстояния необходимое для идентификации отношения пикселей к образцовой модели. Гистограмма, отражающая критическое расстояние, содержит информацию по всем пикселям изображений. Фиксирование красной линии позволяет перемещать порог включения определенных пикселей, целью чего является включение пикселей только тех участков, которые соответствуют пикселям поражения болезнями и исключение пикселей фона (рисунок 49, 50);

5) завершение создания эталонной модели путем подтверждения минимального размера области интереса в пикселях для исключения возможных шумов на изображениях. Стандартно рекомендуемый размер для исключения шумов составляет около 300 пикселей. Однако, данное значение может изменяться в зависимости от параметров размеров зон интереса и выбора пикселей на предыдущем этапе работы. После завершения построения модели-образца осуществляется её автоматическое применение к проектным изображениям (рисунок 51).

Применение базовой модели позволяет увидеть результат сегментации уникальных участков, пораженных возбудителями болезней сельскохозяйственных культур на растительных образцах (рисунок 52, 53).

Рисунок 39 – Добавление эталонной модели

Рисунок 40 – Добавление новой сегментации и присвоение имени эталонной модели

Рисунок 41 – Выбор измерений для сегментации

Рисунок 42 – Необработанный спектр измерений для сегментации

Рисунок 43 – Модельные нагрузки по основным компонентам

Рисунок 44 – Отношение сигнал-шума в рамках волнового диапазона

Рисунок 45 – Мозайка изображений и PCA модель с пикселями данной мозайки

Рисунок 46 – Выбор пикселей и соответствующих точек в кластере диаграммы рассеяния

Рисунок 47 – Промежуточный результат удаления пикселей, выходящих за рамки зон интереса (ROI)

Рисунок 48 – Выбор участков зон интереса (ROI)

Рисунок 49 – Определение порога критического расстояния

Рисунок 50 – Определение показателей порога критического расстояния, соответствующих участкам зон интереса (ROI)

Рисунок 51 – Завершение создания эталонной модели: подтверждение минимального размера области в пикселях и применение его к проектным изображениям

Рисунок 52 – Отображение уникальных участков поражения сельскохозяйственных культур пыльной головней на основе применения эталонной модели

Рисунок 53 – Отображение уникальных участков поражения сельскохозяйственных культур ржавчиной на основе применения эталонной модели