Methods for detection



Дата24.06.2017
Размер129.17 Kb.
#24091
МЕТОДИКА ЗА РАЗПОЗНАВАНЕ НА ЗАРАЗЕНИ ОТ ФУЗАРИОЗА ЦАРЕВИЧНИ СЕМЕНА ЧРЕЗ ЛИНЕЙНИ ДИСКРЕТНИ МОДЕЛИ
Докторант: инж. Виолета Петрова Манчева

Научни дъководители: доц. Пламен Даскалов, гл. ас. д-р Цветелина Драганова, доц. Русин Цонев



Methods for detection contamination by Fusarium maize seed by linear discrete models: Method for detection contamination by Fusarium maize seed by linear discrete models is described in the paper. Spectral characteristics of diffuse reflectance is used as a feature for assessment of internal quality of the seeds. The characteristics were described by linear discrete model. The order and the coefficients of the models were used for determination the limit values and classification criterion.

Key words: spectral characteristics, linear discrete model, maize seeds, Fusarium disease
ВЪВЕДЕНИЕ

Царевицата е основна зърнена култура в света, като за България тя е на второ място по площ и значение след житото. От 10 до 20 % голяма част от годишната продукция на царевични семена в света е увредена вследствие на болести, причинени от развитието на микроорганизми и плесени. При това се нарушават качествените показатели на семената и се причиняват алергии и токсични реакции при хора и животни.

Обект на изследването е заболяването розова Фузариоза и проявата му по царевичните семена. Известните методи за разпознаване на заболяването най-общо могат да се обединят в две групи: методи, базирани на анализ на цветните изображения на семената и методи, базирани на анализ на спектралните им характеристики. Поради това, че чрез анализа на цветните изображения / първата група методи не винаги може да се открие навреме заболяването, то чрез анализа на спектралните характеристики може да се оценява и вътрешното проявление на болестта. Методите, базирани на измерване на електромагнитните лъчения (електрически магнитни полета, рентгенови, лъчения във видимата (VIS), ултравиолетовата (UV) и инфрачервената (IR) области, лазерни излъчвания и др.) съответстват в най-висока степен на съвременните изисквания за дистанционно и неразрушаващо определяне на качеството [2].

Основният проблем е кои участъци от дължината на вълната за спектралните характеристики да се използват като информативни за разпознаване на гъбични болести / болести, причинени от плесени.

Целта на статията е да се предложи методика за разпознаване на заразени с Фузариум царевични семена на базата на линейни дискретни модели, описващи спектралните характеристики на семената.

ИЗЛОЖЕНИЕ

1. Система за получаване на спектрални характеристики на дифузно отражение на царевични семена

За разпознаването на заболяването Фузариоза се използват спектрални характеристики на дифузно отражение на царевични семена. Системата за получаване на характеристиките е представена на фиг.1. Тя включва: преносим компютър – 1, спектрофотометър – 2, светлинен източник – 3 и сонда за измерване на дифузно отражение от повърхността на обекта – 4. За насочване на сондата над царевичното семе се използват държач – 6 и стойка – 7. Сондата 4 има три извода. Един от изводите е свързан със спектрофотометъра, втория извод – със светлинния източник, третия извод е насочен към царевичното семе. Последният извод се състои от седем оптични влакна, обединени в общ корпус, който представлява неръждаема стоманена букса 5. Едно оптично влакно е разположено в центъра на буксата, а останалите шест – в кръг около централното.

На фиг.1 б) е представен принципът на действие на системата за получаване на спектрални характеристики. Царевичното семе 8 се поставя в приставката 9. При насочване на сондата 4 към царевичното семе шест от влакната, разположени в кръг, осветяват изследваното царевично семе. Отразената от обекта светлина се приема от седмото влакно, намиращо се в центъра на сондата [4].



а) б)

Фиг. 1 Система за получаване на спектрални характеристики на дифузно отражение на царевични семена: а) – структура на системата за получаване на спектрални характеристики, б) – принцип на работа


Фиг. 2 Устройство на спектрофотометъра


Устройството на спектрофотометъра е представено на фиг. 2. Изграден е от дифракционна решетка и CCD-камера [6].


  1. Методика за получаване на спектралните характеристики на дифузно отражение

За получаването на спектралните характеристики се използва специализирания софтуер на Ocean Optics – Spectra Suit, който позволява запис на характеристиките освен във формата на софтуера и в текстов файл. Той дава възможности за измерване на Intensity (counts), Absorbance (OD), Transmission (%), Reflection (%) и Irradiance (Relative).

Получените спектрални характеристики за избран сорт царевични семена са представени на фиг. 3 а). От фигурата се вижда, че амплитудата на интензитета на отразеното лъчение от царевичните семена Sλ варира в големи граници за здравите и за заразените семена. Ето защо целесъобразно е за следващи изследвания те да се нормират. Снетите спектрални характеристики, представени на фиг. 3 се нормират чрез:



, (1)

където е стойността на интензитета на отразеното лъчение при дължина на вълната ,



- максималната стойността на интензитета на отразеното лъчение за n-та спектрална характеристика

Нормираните характеристики за избрания сорт семена са представени на фиг. 3 б).




λ, nm

Sλn

а) б)


Фиг. 3 Спектрални а) и нормирани б) характеристики за избран сорт царевични семена
3. Моделиране на спектралните характеристики на царевични семена чрез линейни дискретни параметрични модели

Дискретните параметрични модели отразяват дискретното поведение на обекта само в моментите от времето, които са кратни на т.нар. такт на дискретизация Т0. Тъй като спектралните характеристики имат дискретен характер, то за тяхното описание са избрани линейните дискретни параметрични модели.

При снемането на спектралните данни от спектрофотометъра се получава само изходен сигнал във вид на дискретни стойности. Именно за това е избран този модел, защото той описва поведението на дискретни величини от посочения вид. Линейният дискретен модел от типа авторегресия има следния общ вид [1]:

(2)

Оценката на неизвестните параметрина модела се определя чрез стандартния метод на най-малките квадрати (МНМК), при който се минимизира квадратичния показател



, (3)

наричан още функция на загубите.

Основната задача при моделирането на характеристиките е да се определят реда на модела, оценката на неговите коефициенти, критерия за разпознаване и точността на класифициране.
4. Алгоритъм на работа за разпознаване на здрави и заразени от Фузариоза царевични семена

Предлага се алгоритъм за разпознаване на здрави и заразени с Фузариоза царевични семена (фиг. 4).




Фиг. 4 Алгоритъм на работа за разделяне на здрави от заразени с Фузариоза царевични семена


  • Спектралните характеристики се разделят в две извадки – обучаваща и тестова по метода на Кеннард и Стоун [5].

  • На базата на избрания параметричен AR–модел се определят реда и неговите коефициенти. Изборът на реда на получения модел се извършва по критерия на Акаике (AIC), който е “наказателен” по отношение на прекомерното увеличение на броя на описващите коефициенти.

За най-информативен по Акаике се счита модел, който минимизира (4):

, (4)

където е броя на параметрите на математичния модел;



- обем на извадката, т.е. броя отчетени дискрети;

- функция на средните загуби.

В случай, че редът на линейния модел не е определящ показател за разпознаване на семената, то за решаването на задачата ще се използват получените коефициенти от AR–модела. За определянето на реда и коефициентите на линейния дискретен модел, описващ спектралната характеристика се използват функциите от System Identification Toolbox на програмния продукт MATLAB [3].



  • Оказва се, че получените редове на модела не могат да се използвт като критерии за разделяне на семената. Ето защо се налага да се работи с получените коефициенти от редовете на AR–модела. На фиг. 5 са показани графиките от А-коефициентите за избрани сортове семена. По абсцисата са нанесени номерата на А–коефициентите (от първи до десети коефициент), а по ординатата са нанесени стойностите на А–коефициентите за здрави (със зелено) и заразени (с червено) царевични семена от обучаващата извадка.

а) б) в)


Фиг. 5 А-коефициенти от обучаващата извадка за AR-модел за избрани сортове семена
При първите два случая – а) и б) групата на здравите семена е ясно разделима от групата на заразените. За всеки от намерените коефициенти се определя максималното разстояние A между тези групи. При третия случай – в) се получава припокриване на здравите и заразените семена. Понеже тук нямаме ясно разграничение между тях, максималното разстояние A между групите се намира на базата на средните стойности на коефициентите за двете групи царевични семена. Измежду намерените разстояния за коефициентите се избира най-голямото.

5. Определяне на критерия за разпознаване

За определянето на критерия за разпознаване се намира граничната стойност Агр между двете групи семена за избрания вече коефициент с най-голямо разстояние между здравите и заразените семена. На фиг. 6 е представена граничната стойност за трите варианта на получаване на А–коефициентите.


а) б) в)


Фиг. 6 Варианти на получаване на А-коефициентите за здравите и заразените царевични семена / Гранична стойност между здрави и заразени царевични семена за трите варианта на получаване на А-коефициентите
На базата на получените варианти за А–коефициенти от фиг. 6 се съставят условия за класифициране на царевичните семена от тестовата извадка.
6. Експериментални изследвания

За илюстрация на методиката са снети спектралните характеристики на три сорта царевични семена и е проверена точността на разпознаване. За целта се използват получените тестовите извадки за спектралните характеристики по метода на Кеннард и Стоун. Те са за здрави (гръбна страна и страна на зародиш) и заразени (гръбна страна и страна на зародиш) царевични семена. В зависимост от кой от трите варианта на А-коефициента от фиг. 6 се получава за всеки сорта, са реализирани програмни модули за получаване на резултатите с тестовата извадка по предложения критерий за разпознаване на заразени с Фузариум царевични семена. Той е изграден на базата на получените гранични стойности за коефициента с най-голямо разстояние между здравите и заразените семена и на съставените условия за класификация на царевични семена чрез А-коефициентите.



Резултатите от проверката на точността на разпознаване на царевични семена с тестовата извадка чрез А-коефициентите на линейните дискретни модели са представени в табл.1.
Таблица 1 Резултати от проверка на точността на разпознаване на царевични семена с тестовата извадка чрез А-коефициентите на линейните дискретни модели



Сорт царевични семена


Вариант

на А

коефициента


Брой

разпознати

царевични

семена



%

Разпознати

царевични семена


Брой

неразпознати царевични семена


% Неразпознати царевични семена

Кнежа 308

Здрави гръбна страна

в

12

60

8

40

Здрави страна зародиш

в

10

50

10

50

Заразени гръбна страна

в

12

60

8

40

Заразени страна зародиш

в

8

40

12

60

Кнежа 436

Здрави гръбна страна

б

19

95

1

5

Здрави страна зародиш

б

19

95

1

5

Заразени гръбна страна

б

20

100

0

0

Заразени страна зародиш

б

20

100

0

0

26 А

Здрави гръбна страна

а

20

100

0

0

Здрави страна зародиш

а

18

90

2

10

Заразени гръбна страна

а

20

100

0

0

Заразени страна зародиш

а

20

100

0

0

Висока точност на разпознаване се получава за сортове Кнежа 436 (97,5%) и 26А (97,5%). За Кнежа 308 процентът на разпознаване е по-нисък – 52,5%.


ЗАКЛЮЧЕНИЕ

Използването на класификатор от тип линейни дискретни модели може да бъде приложен за разпознаване на здрави и заразени от Фузариоза царевични семена.

Получените резултати показват, че сортовата принадлежност оказва влияние върху точността на разпознаване на здрави и заразени от Фузариоза царевични семена.

За получаване на по-висока точност на разпознаване при сортовете с по-лоши резултати е необходимо да се пробва друг класификатор.



ЛИТЕРАТУРА


[1] Гарипов Е. Идентификация на системи. ТУ. София, 1997.

[2] Дамянов Ч. Неразрушаващо разпознаване на качеството в системите за автоматично сортиране на хранителни продукти. Академично издателство на УХТ – Пловдив, 2006.

[3] Йорданов Й., Приложение на Matlab в инженерните изследвания, Русе, 2004

[4] Манчева, В., Пл.Даскалов, Р.Цонев, Ц.Драганова. Формиране на база от данни със спектрални характеристики за разпознаване на заразени с Фузариум царевични семена., Научни трудове на Русенски Университет „Ангел Кънчев”, Том 48, Серия 3.1, 2009 , с. 150-157.

[5] Facchin S., J. Trierwieler, V. Conz, Soft sensor design: A new approach for variable selection., 2nd Mercosur Congress on Chemical Engineering.

[6] www.oceanoptics.com


БЛАГОДАРНОСТ

Изследванията са подкрепени по договор № BG051PO001-3.3.04/28, „Подкрепа за развитие на научните кадри в областта на инженерните научни изследвания и иновациите”. Проектът се осъществява с финансовата подкрепа на Оперативна програма „Развитие на човешките ресурси” 2007-2013, съфинансирана от Европейския социален фонд на Европейския съюз“.



За контакти:
Виолета Манчева, Катедра “Автоматика, Информационна и Управляваща Техника”, Русенски университет “Ангел Кънчев”, тел.:082 888684, E-mail:vmancheva@ru.acad.bg.

Доц. д-р инж. Пламен Даскалов, Катедра “Автоматика, Информационна и Управляваща Техника”, Русенски университет “А. Кънчев”, тел.:082 888668, E-mail:daskalov@ru.acad.bg.

гл.ас.д-р Цветелина Драганова, Катедра “Автоматика, Информационна и Управляваща Техника”, Русенски университет “А. Кънчев”, тел.:082 888668, E-mail:cgeorgieva@ru.acad.bg.

Доц. д-р инж. Русин Цонев, Катедра “Автоматика, Информационна и Управляваща Техника”, Русенски университет “Ангел Кънчев”, тел.:082 888379, E-mail:rtzonev@ru.acad.bg.




Рецензент:

Каталог: files -> article
article -> Характеристики на горивата за двигатели с вътрешно горене ic engines fuel characteristics
article -> Утвърдил весела неделчева
article -> Конкурс за проект, при реализирането на проекти, финансирани със средства от европейските фондове, по реда на зоп
article -> Христо Смирненски
article -> Информация по чл. 4, ал. 3 от Наредбата за овос
article -> Алгоритми за настройване триточково осветление при наблюдение или заснемане на сценични обекти
article -> Analysis of reliability of the chassis of light lorry during operation
article -> A decision for plant- growing in large agricultural farms by spreadsheets
article -> International Scientific Conference 18 – 19 November 2011, gabrovo


Сподели с приятели:




©obuch.info 2024
отнасят до администрацията

    Начална страница