[論文レビュー] K-means Segmentation Based-on Lab Color Space for Embryo Egg Detection.

Shoffan Saifullah|arXiv (Cornell University)|Mar 3, 2021

Food and Agricultural Sciences参考文献 33被引用数 9

ひとこと要約

本研究では、早期羽化成功率の予測を目的として、Lab色空間の画像を用いたK-meansセグメンテーションにより、卵黄内の胚を検出する手法を提案する。k=3を用いて画像を3つのセグメント（背景、卵、卵黄）にクラスタリングすることで、色ベースのセグメンテーションの後、グレースケール強調および形態的処理を施し、胚の存在を特定する。MSE=0.0486およびMSSIM=0.9979を達成し、高い精度を示した。

ABSTRACT

The hatching process also influences the success of hatching eggs beside the initial egg factor. So that the results have a large percentage of hatching, it is necessary to check the development of the embryo at the beginning of the hatching. This process aims to sort eggs that have embryos to remain hatched until the end. Maximum checking is done the first week in the hatching period. This study aims to detect the presence of embryos in eggs. Detection of the existence of embryos is processed using segmentation. Egg images are segmented using the K-means algorithm based on Lab color images. The results of the images acquisition are converted into Lab color space images. The results of Lab color space images are processed using K-means for each color. The K-means process uses cluster k=3, where this cluster divided the image into three parts, namely background, eggs, and yolk eggs. Yolk eggs are part of eggs that have embryonic characteristics. This study applies the concept of color in the initial segmentation and grayscale in the final stages. The results of the initial phase show that the image segmentation results using k-means clustering based on Lab color space provide a grouping of three parts. At the grayscale image processing stage, the results of color image segmentation are processed with grayscaling, image enhancement, and morphology. Thus, it seems clear that the yolk segmented shows the presence of egg embryos. Based on this process and results, K-means segmentation based on Lab color space can be used for the initial stages of the embryo detection process. The evaluation uses MSE and MSSIM, with values of 0.0486 and 0.9979; this can be used as a reference that the results obtained can indicate the detection of embryos in egg yolk.

研究の動機と目的

• 卵内の早期胚検出を向上させ、羽化成功率を向上させること。
• 孵化開始から1週間の間における胚発達の同定の課題に対処すること。
• 視覚的胚特徴に基づいて、受精卵を信頼性の高い自動手法で分類する方法の開発。
• Lab色空間を用いた色ベースのセグメンテーションが胚検出にどの程度効果的であるかを評価すること。

提案手法

• 画像を取得し、セグメンテーションのための色コントラストを向上させるためにLab色空間に変換する。
• k=3を用いてK-meansクラスタリングを適用し、画像を3つの領域（背景、卵、卵黄）にセグメンテーションする。
• 色およびテクスチャ特性に基づき、卵黄領域を胚の存在の指標として用いる。
• セグメンテーション済みの画像をグレースケールに変換し、画像強調および形態的処理を施して胚検出を精緻化する。
• MSEおよびMSSIMの指標を用いて、セグメンテーションの正確性および画像の忠実度を評価する。

実験結果

リサーチクエスチョン

• RQ1 Lab色空間におけるK-meansセグメンテーションは、他の卵成分と区別して胚を含む卵黄を効果的に識別できるか？
• RQ2 Lab色空間への変換は、標準的なRGBに比べてセグメンテーションの正確性をどのように向上させるか？
• RQ3 セグメンテーション後の処理は、卵黄内の胚特徴の可視性をどの程度向上させるか？
• RQ4 MSEおよびMSSIMといった定量的指標は、提案手法の胚検出の信頼性をどのように示しているか？

主な発見

• k=3を用いたK-meansクラスタリングにより、画像が背景、卵、卵黄という3つの明確な領域に正しくセグメンテーションされた。
• グレースケール化および形態的処理を経た後、セグメンテーションされた卵黄領域に明確に胚の存在が示された。
• 画像再構成の忠実度が高く、平均二乗誤差（MSE）が0.0486と低い値を示した。
• 構造的類似度指数（MSSIM）が0.9979と高く、セグメンテーション出力が元の画像構造と極めて類似していることを確認した。
• Lab色空間とK-meansセグメンテーションの組み合わせにより、卵黄内の胚の正確な早期段階検出が可能となった。