Автоматическая обработка изображений для определения структуры размера сообщества речных макробеспозвоночных

Размер тела был приоритетным в качестве ключевой черты для мониторинга. Тем не менее, измерение индивидуального размера занимает много времени. Наш метод позволяет рутинно использовать спектр размеров макробеспозвоночных для оценки воздействия на пресноводные экосистемы.

Наш протокол обеспечивает стандартизированный способ автоматического определения индивидуального распределения размеров речных макробеспозвоночных в образце примерно за час. Продемонстрировать процедуру продемонстрирует Роза Гури из Университета Вика. Для начала включите сканер.

И включите свет в двойном положении. Проецировать белый свет сверху и снизу. Затем очистите и промойте скан-лоток водопроводной водой.

Чтобы создать заготовки, налейте 110 миллилитров водопроводной воды комнатной температуры в сканирующий лоток до тех пор, пока стекло не будет закрыто. Поместите большую рамку на лоток для сканирования с углом в верхней левой части. И наполните его водопроводной водой, пока он не покроет ступень кадра, чтобы избежать эффекта мениска, который изменил бы отсканированные изображения.

Далее откройте программное обеспечение для обработки изображений, выберите рабочий проект и нажмите на сканировать преобразование фонового изображения. Затем откройте программное обеспечение для сканирования и нажмите на предварительный просмотр. Проверьте изображение на наличие линий или пятен и подождите не менее 30 секунд, прежде чем начать сканирование.

Затем нажмите OK в окне инструкций перед вторым сканированием, чтобы отправить данные из программного обеспечения сканирования в программное обеспечение для обработки изображений. Налейте 110 миллилитров 70% этанола в сканирующий лоток до тех пор, пока стакан не будет покрыт. И поместите большую рамку.

Затем налейте образец макробеспозвоночных в лоток для сканирования, окаймленный рамой, и при необходимости накройте его большим количеством этанола. Затем, используя деревянную иглу, гомогенизируйте образец по всей области каркаса. Размещение самых крупных особей в центре лотка для правильной обработки изображения.

И потопить плавающие организмы. Кроме того, отделите отдельно сгруппированные организмы. И втягивать в организмы, касаясь краев рамки к центру.

Затем перейдите к сканированию, нажав на образец сканирования с помощью сканирования зоопарка для архивирования без процесса. Выбор образца и следование инструкциям. Просмотрите изображение в сканирующем программном обеспечении, чтобы не было линий или пятен.

Через 30 секунд нажмите кнопку сканирования в программном обеспечении сканирования. И проверьте правильность необработанного отсканированного изображения. Снимите рамку и вымойте ее над сканирующим лотком с помощью 70% наполненной этанолом бутылки для сжатия, чтобы восстановить любых прикрепленных макробеспозвоночных.

Поднимите верхнюю часть сканера, чтобы извлечь все организмы и этанол через воронку сканирования в стакан. Приподняв верхнюю часть сканера, очистите лоток с бутылкой для сжатия, чтобы промести все оставшиеся организмы. После восстановления всех образцов очистите лоток водопроводной водой.

Чтобы предсказать личность, нажмите на анализ данных в программном обеспечении автоматической идентификации. В разделе Выберите файл обучения найдите PID_Process, затем выберите learning_set, чтобы выбрать файл набора обучения, который будет использоваться. Затем в разделе Выберите файлы образцов выберите образец для прогнозирования из папки PID_results.

При выборе метода выберите метод случайного леса, а затем поставьте галочку на кнопке сохранить подробные результаты для каждого примера. В исходных переменных снимите флажки с переменных положения. Наконец, в настраиваемых переменных отметьте только ESD.

Нажмите на начать анализ и сохраните результаты как analysis_name. txt в папке прогнозирования PID_process. Чтобы выполнить проверку вручную, скопируйте файлы анализа sample_dat_1 txt из папки прогнозирования PID_process в папку PID_process PID_results.

Выберите извлечение виньеток в папках в соответствии с прогнозированием или проверкой в программном обеспечении для обработки изображений. Затем выберите используемые прогнозируемые файлы из папки PID_results. А с настройками по умолчанию нажатие OK создает новую папку.

Теперь перейдите в папку PID_process отсортированных виньеток и скопируйте вновь созданную папку с именем примера, датой и временем проверки. Переименуйте папку для проверки с помощью validated. Чтобы вручную проверить автоматическую классификацию, откройте переименованный образец папки, имя, дата и время проверки.

Просмотрите все виньетки из каждой вложенной папки, чтобы определить неправильно классифицированные объекты, если таковые имеются. Если объект неправильно классифицирован, перетащите виньетку в нужную папку. Затем выберите идентификацию нагрузки из отсортированных виньеток.

Сохраняя настройки по умолчанию, выберите файл с именем дата, время, имя, которое будет проверено для обработки. Затем идите в PID_process, PID_results, а затем dat1_validated. И откройте файл с именем ID_from_sorted_vignettes txt даты и времени, чтобы убедиться, что последний столбец, прогноз, проверенный идентификатор, дата и время, которые указывают экспертную классификацию каждого объекта, были созданы.

При тестировании системы на макробеспозвоночных некоторые сканы были низкого качества на обработанных изображениях. Несмотря на это, тонкий субобразец с хорошим качеством сканирования необработанного и обработанного изображения выглядит так, как изображено. В наборе проанализированных виньеток 86,1% соответствовали мусору.

Включая детрит, волокна, части тела или сканирующие артефакты. А остальные 13,9% обнаруженных объектов соответствовали организмам беспозвоночных. Автоматическое распознавание с последующей ручной проверкой объектов показало высокую запоминаемость для всех категорий.

В то время как загрязнение одной точности было довольно низким, за исключением других беспозвоночных. Сравнение автоматической и подтвержденной численности макробеспозвоночных показало высокую корреляцию с небольшим завышением автоматической производительности из-за загрязнения мусором. Функции плотности вероятности отдельных размерных распределений автоматического предсказания сильно происходили с валидированными предсказаниями для тонких и грубых подвыборок.

Подвыборки, проверенные после отделения соприкасающихся объектов от отобранных природных образцов, показали повышенное изобилие. Но средний эллипсоидальный объем был близок к проверенным образцам. Распределение размеров скорректированных образцов несколько отличалось от валидированных.

Но наблюдалась сильная корреляция. Нормализованный спектр размеров биообъема был аналогичен между процедурами. За исключением нескольких размерных классов в паре спектров.

Потратьте необходимое время на разделение соприкасающихся органов, чтобы получить тонкое сканирование и очистите водой этот сканирующий лоток после каждого сканирования этанолом, чтобы избежать осадков. Мы приняли эту процедуру, созданную для планктона для речных макробеспозвоночных. Таким образом, он потенциально может быть адаптирован для получения индивидуальных размеров тела других более тонких групп.

например, наземные беспозвоночные. Этот метод позволит систематизировать оценку структуры сообщества макробеспозвоночных по большим, специальным и временным градиентам. И исследовать роль размера тела в функционировании речных экосистем и путем оценки.