[論文レビュー] A new automatic approach to seed image analysis: From acquisition to segmentation

Alessandra Mendes Pacheco Guerra Vale, Mariano Ucchesu+4 more|arXiv (Cornell University)|Dec 11, 2020

Smart Agriculture and AI参考文献 30被引用数 7

ひとこと要約

本論文では、スキャンされた種子標本から形態的および色相的特徴を迅速かつ正確に抽出できる、オープンソースでJavaベースのImageJプラグインを提示する。120種のミソソガネ科種子3,386個を対象にテストした結果、1枚あたり0.02秒で100%のセグメンテーション精度を達成した。これは、青色の背景を4通り設定した条件下で、手動セグメンテーション（1枚あたり63秒）を著しく上回った。

ABSTRACT

Image Analysis offers a new tool for classifying vascular plant species based on the morphological and colorimetric features of the seeds, and has made significant contributions in systematic studies. However, in order to extract the morphological and colorimetric features, it is necessary to segment the image containing the samples to be analysed. This stage represents one of the most challenging steps in image processing, as it is difficult to separate uniform and homogeneous objects from the background. In this paper, we present a new, open source plugin for the automatic segmentation of an image of a seed sample. This plugin was written in Java to allow it to work with ImageJ open source software. The new plugin was tested on a total of 3,386 seed samples from 120 species belonging to the Fabaceae family. Digital images were acquired using a flatbed scanner. In order to test the efficacy of this approach in terms of identifying the edges of objects and separating them from the background, each sample was scanned using four different hues of blue for the background, and a total of 480 digital images were elaborated. The performance of the new plugin was compared with a method based on double image acquisition (with a black and white background) using the same seed samples, in which images were manually segmented using the Core ImageJ plugin. The results showed that the new plugin was able to segment all of the digital images without generating any object detection errors. In addition, the new plugin was able to segment images within an average of 0.02 s, while the average time for execution with the manual method was 63 s. This new open source plugin is proven to be able to work on a single image, and to be highly efficient in terms of time and segmentation when working with large numbers of images and a wide diversity of shapes.

研究の動機と目的

• 自動植物系統分類における種子画像の正確かつ効率的なセグメンテーションの課題に対処すること。
• ImageJと互換性を持つ、完全自動でオープンソースのソリューションを開発し、高スループットな種子画像解析を実現すること。
• さまざまな種子の形状と色、異なる背景条件の下での性能を評価すること。
• 新しい手法と手動セグメンテーション、二重画像取得手法の正確性と速度の観点から比較すること。
• 分類学的研究のため、種子画像からの大規模な形態的および色相的特徴抽出を可能にすること。

提案手法

• ImageJ用のカスタムJavaプラグインを開発し、種子画像のセグメンテーションを自動化すること。
• 4種類の異なる青色の背景色を用いたフラットベッドスキャナーを用いた画像取得により、耐性をテストすること。
• 自動しきい値処理とエッジ検出アルゴリズムを適用し、背景から種子を分離すること。
• 比較のためのマニュアルベンチマークとして、黒色および白色の背景を用いた二重画像取得法を用いること。
• ユーザーの干渉なしに単一画像に適用可能な一貫したセグメンテーションパイプラインを実装すること。
• 120種のミソソガネ科から得た480枚の画像において、セグメンテーションの正確性と処理時間を評価すること。

実験結果

リサーチクエスチョン

• RQ1 自動でオープンソースのプラグインは、多様な種子の形状と色において100%のセグメンテーション正確性を達成できるか？
• RQ2 新しいプラグインの処理速度は、Core ImageJを用いた手動セグメンテーションと比べてどの程度か？
• RQ3 背景色（青色のトーン）の選択がセグメンテーション性能に顕著な影響を与えるか？
• RQ4 高スループット環境下でも、オブジェクト検出エラーなしにプラグインが信頼性を持って画像をセグメンテーションできるか？
• RQ5 複雑な背景や均一な背景からでも、この手法は種子を効果的に分離できるか？

主な発見

• 480枚のテスト画像すべてで100%のセグメンテーション正確性を達成し、オブジェクト検出エラーは一切発生しなかった。
• 平均して1枚あたり0.02秒のセグメンテーション時間であったのに対し、手動セグメンテーションでは1枚あたり63秒であった。
• 4種類の青色背景色すべてにおいて一貫した性能を示し、背景色の変動に対しても耐性があることが確認された。
• ユーザーの入力なしに、ミソソガネ科の多様な形状とサイズの種子を効果的にセグメンテーションできた。
• 数千枚の種子画像を迅速に処理できるため、大規模な画像解析に非常に効率的であることが判明した。
• 自動セグメンテーションが可能であるだけでなく、手動法よりも著しく高速かつ信頼性が高いことが結果から裏付けられた。