Processamento Automático de Imagem para Determinar a Estrutura do Tamanho da Comunidade de Macroinvertebrados Ribeirinhos

O tamanho do corpo tem sido priorizado como uma característica chave para o monitoramento. No entanto, medir o tamanho individual é demorado. Nosso método permite o uso rotineiro do espectro de tamanho de macroinvertebrados para avaliar os impactos nos ecossistemas de água doce.

Nosso protocolo fornece uma maneira padronizada de determinar automaticamente a distribuição de tamanho individual de macroinvertebrados fluviais em uma amostra em cerca de uma hora. A demonstrar o procedimento será Rosa Guri, da Universidade de Vic. Para começar, ligue o scanner.

E acenda a luz na posição dupla. Para projetar a luz branca de cima e de baixo. Em seguida, limpe e enxágue a bandeja de digitalização com água da torneira.

Para criar os espaços em branco, despeje 110 mililitros de água da torneira à temperatura ambiente na bandeja de digitalização até que o vidro esteja coberto. Coloque a moldura grande na bandeja de digitalização com o canto na parte superior esquerda. E encha-o com água da torneira até cobrir o degrau do quadro para evitar um efeito de menisco que alteraria as imagens digitalizadas.

Em seguida, abra o software de processamento de imagem, selecione o projeto de trabalho e clique em digitalizar a imagem de fundo. Em seguida, abra o software de digitalização e clique em visualizar. Verifique se a imagem não há linhas ou pontos e aguarde pelo menos 30 segundos antes de iniciar a varredura.

Em seguida, pressione OK na janela de instruções antes da segunda varredura para enviar os dados do software de digitalização para o software de processamento de imagem. Despeje 110 mililitros de etanol a 70% na bandeja de digitalização até que o vidro esteja coberto. E coloque o quadro grande.

Em seguida, despeje a amostra de macroinvertebrados na bandeja de varredura bordada pelo quadro e cubra-a com mais etanol, se necessário. Em seguida, usando uma agulha de madeira, homogeneize a amostra em toda a área do quadro. Colocar os maiores indivíduos no centro da bandeja para o processamento adequado da imagem.

E afundar os organismos flutuantes. Além disso, separe os organismos agrupados. E puxe os organismos tocando as bordas do quadro para o centro.

Em seguida, prossiga para a varredura clicando em Amostra de digitalização com varredura zoo para arquivamento sem processo. Selecionando a amostra e seguindo as instruções. Visualize a imagem no software de digitalização para nenhuma linha ou mancha.

Após 30 segundos, clique no botão de digitalização no software de digitalização. E verifique se a imagem digitalizada bruta está correta. Remova o quadro e lave-o acima da bandeja de digitalização com um frasco de compressão cheio de etanol a 70% para recuperar quaisquer macroinvertebrados ligados.

Levante a parte superior do scanner para recuperar todos os organismos e etanol através do funil de recuperação de varredura em um copo. Com a parte superior do scanner ainda levantada, limpe a bandeja com o frasco de aperto para varrer os organismos restantes. Depois de recuperar todos os espécimes, limpe a bandeja com água da torneira.

Para prever a identidade, clique em análise de dados no software de identificação automática. Em selecionar arquivo de aprendizado, localize PID_Process e, em seguida, selecione learning_set para escolher o arquivo de conjunto de aprendizado a ser usado. Em seguida, em arquivos de exemplo selecionados, escolha o exemplo a ser previsto na pasta PID_results.

Ao selecionar um método, escolha o método de floresta aleatória e, em seguida, marque os resultados detalhados de salvar para cada botão de amostra. Nas variáveis originais, desmarque as variáveis de posição. Por fim, em variáveis personalizadas, marque apenas ESD.

Clique em iniciar análise e salve os resultados como analysis_name. txt na pasta de previsão de PID_process. Para validar manualmente, copie os arquivos txt de análise sample_dat_1 da pasta de previsão PID_process para a pasta PID_process PID_results.

Selecione extrair vinhetas em pastas de acordo com a previsão ou validação no software de processamento de imagem. Em seguida, selecione os arquivos previstos usados PID_results pasta. E com as configurações padrão, pressionar ok cria uma nova pasta.

Agora vá para a pasta PID_process vinhetas classificadas e copie a pasta recém-criada nomeada com o nome, a data e a hora do exemplo para validar. Renomeie a pasta para validar com validado. Para validar manualmente a classificação automática, abra o nome de exemplo de pasta renomeada, a data e a hora validada.

Revise todas as vinhetas de cada subpasta para identificar objetos classificados incorretamente, se houver. Quando um objeto é classificado incorretamente, arraste a vinheta para a pasta correta. Em seguida, selecione identificações de carga de vinhetas classificadas.

Mantendo as configurações padrão, selecione o arquivo chamado data, hora, nome validado para ser processado. Em seguida, vá para PID_process, PID_results e, em seguida, dat1_validated. E abra o arquivo chamado ID_from_sorted_vignettes txt de data e hora para verificar se a última coluna, previsão, ID validado, data e hora, que especifica a classificação de especialista de cada objeto, foi criada.

Ao testar o sistema para macroinvertebrados, alguns exames foram de baixa qualidade nas imagens processadas. Apesar disso, uma subamostra fina com boa qualidade de digitalização da imagem bruta e processada parece como retratada. No conjunto de vinhetas analisadas, 86,1% corresponderam a detritos.

Incluindo detritos, fibras, partes do corpo ou artefatos de varredura. E os 13,9% restantes dos objetos detectados correspondiam aos organismos invertebrados. O reconhecimento automático seguido de validação manual dos objetos apresentou alta recordação para todas as categorias.

Enquanto a contaminação uma precisão foi bastante baixa, exceto para os outros invertebrados. A comparação da abundância automática versus validada de macroinvertebrados mostrou alta correlação com uma leve superestimação pelo desempenho automático devido à contaminação por detritos. As funções de densidade de probabilidade das distribuições de tamanho individuais da predição automática ocorreram fortemente com as previsões validadas para as subamostras finas e grossas.

As subamostras validadas após a separação dos objetos tocantes das amostras naturais selecionadas apresentaram maior abundância. Mas o volume elipsoidal médio foi próximo das amostras validadas. As distribuições de tamanho das amostras corrigidas diferiram ligeiramente das validadas.

Mas uma forte correlação foi observada. O espectro de tamanho de biovolume normalizado foi semelhante entre os tratamentos. Exceto por algumas classes de tamanho em alguns espectros.

Tome o tempo necessário para separar os órgãos de toque para obter uma varredura fina e limpe com água esta bandeja de varredura após cada varredura com etanol para evitar a precipitação. Adotamos este procedimento criado para o plâncton para os macroinvertebrados fluviais. Assim, poderia potencialmente ser adaptado para obter tamanhos corporais individuais de outros grupos mais finos.

por exemplo, invertebrados terrestres. Este método permitirá uma estimativa sistemática da estrutura do tamanho da comunidade de macroinvertebrados em gradientes grandes, especiais e temporais. E investigar o papel do tamanho do corpo no funcionamento do ecossistema fluvial e por avaliação.