[논문 리뷰] A new automatic approach to seed image analysis: From acquisition to segmentation

Alessandra Mendes Pacheco Guerra Vale, Mariano Ucchesu외 4명|arXiv (Cornell University)|2020. 12. 11.

Smart Agriculture and AI참고 문헌 30인용 수 7

한 줄 요약

이 논문은 스캐너로 촬영한 씨앗 샘플에서 형태학적 및 색채 측정 특징을 빠르고 정확하게 추출할 수 있도록 완전 자동화된 시드 이미지 분할을 위한 오픈소스, 자바 기반 ImageJ 플러그인을 제시한다. 120개의 파보레아이 계 식물 종에서 촬영한 총 3,386개의 씨앗에 대해 테스트한 결과, 플러그인은 이미지당 0.02초 만에 100% 분할 정확도를 달성했으며, 이는 네 가지 파란 배경 조건에서 수작업 분할(이미지당 63초)보다 뚜렷하게 뛰어난 성능을 보였다.

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.

연구 동기 및 목표

• 자동화된 식물 분류학에서 씨앗 이미지의 정확하고 효율적인 분할 문제를 해결하기 위해.
• ImageJ와 호환되는 완전 자동화된 오픈소스 솔루션을 개발하여 고속 스루풋의 씨앗 이미지 분석을 가능하게 하기 위해.
• 다양한 씨앗 형태와 색상, 배경 조건에서의 성능을 평가하기 위해.
• 정확도와 속도 측면에서 신규 방법을 수작업 분할 및 이중 이미지 촬영 기법과 비교하기 위해.
• 분류학 연구를 위한 대규모 형태학적 및 색채 측정 특징 추출을 가능하게 하기 위해.

제안 방법

• ImageJ용 맞춤형 자바 플러그인 개발을 통해 씨앗 이미지 분할을 자동화하기 위해.
• 플러그인의 강건성 테스트를 위해 네 가지 다른 파란 배경 톤을 사용한 플랫베드 스캐너를 이용한 이미지 촬영.
• 배경에서 씨앗을 분리하기 위해 자동 임계값 설정 및 에지 검출 알고리즘 적용.
• 비교를 위한 수작업 기준으로 이중 이미지 촬영 기법(흑백 배경) 사용.
• 사용자 간섭 없이 단일 이미지에 적용 가능한 일관된 분할 파이프라인 구현.
• 120개 파보레아이 계 식물 종에서 온 총 480장의 이미지에서 분할 정확도와 처리 시간 평가.

실험 결과

연구 질문

• RQ1 자동화된 오픈소스 플러그인이 다양한 씨앗 형태와 색상에서 100% 분할 정확도를 달성할 수 있는가?
• RQ2 새로운 플러그인의 처리 속도가 Core ImageJ를 사용한 수작업 분할과 비교해 어떻게 되는가?
• RQ3 배경 색상(파란 톤)의 선택이 분할 성능에 뚜렷한 영향을 미치는가?
• RQ4 고속 스루풋 환경에서 오브제스트 탐지 오류 없이 플러그인이 신뢰성 있게 이미지를 분할할 수 있는가?
• RQ5 복잡하거나 균일한 배경에서 플러그인이 씨앗을 효과적으로 분리할 수 있는가?

주요 결과

• 모든 480장의 테스트 이미지에서 신규 플러그인이 100% 분할 정확도를 달성했으며, 오브제스트 탐지 오류가 없었다.
• 평균 분할 시간은 이미지당 0.02초였고, 수작업 분할 대비 이미지당 63초의 시간이 소요되었다.
• 플러그인은 네 가지 파란 배경 톤 모두에서 일관된 성능을 보였으며, 배경 색상 변화에 대해 강건함을 입증했다.
• 사용자 입력 없이도 파보레아이 계 식물 종의 다양한 형태와 크기의 씨앗을 성공적으로 분할했다.
• 플러그인은 대규모 이미지 분석에 매우 효율적이었으며, 수천 장의 씨앗 이미지를 신속하게 처리할 수 있었다.
• 결과적으로 자동 분할이 가능할 뿐 아니라 수작업 방법보다 훨씬 빠르고 신뢰할 수 있음을 확인했다.