pdf (English)
Опубликован
2022-11-30
Выпуск
Раздел
Информатика, вычислительная техника
Лицензия
Copyright (c) 2022 Цай Цзянфэн, Дун Йикай
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Журнал «Информатика. Экономика. Управление» / «Informatics. Economics. Management» публикует материалы на условиях лицензии CreativeCommons Attribution 4.0 International (CC BY 4.0), размещенной на официальном сайте некоммерческой корпорации Creative Commons: 
This work is licensed under a Creative Commons Attribution 4.0 International License.
Это означает, что пользователи могут копировать и распространять материалы на любом носителе и в любом формате, адаптировать и преобразовывать тексты, использовать контент для любых целей, в том числе коммерческих. При этом должны соблюдаться условия использования — указание автора оригинального произведения и источника: следует указывать выходные данные статей, предоставлять ссылку на источник, а также указывать, какие изменения были внесены.
Как цитировать
Извлечение паренхимы растений с помощью технологии компьютерной обработки изображений
Цай Цзянфэн
Московский государственный университет имени М.В. Ломоносова, Москва, Россия
Дун Йикай
Университет Гуанчжоу, Гуанчжоу, Китай
DOI: https://doi.org/10.47813/2782-5280-2022-1-2-0134-0167
Ключевые слова: обработка изображений, компьютерное зрение, математическая морфология, паренхима, растение, древесина, экстракция
Аннотация
Люди все чаще используют различные виды растительных продуктов, таких как древесина, но существует много видов древесины, и их трудно анализировать и идентифицировать, поэтому вопрос о том, как использовать вспомогательное оборудование для анализа древесины и достижения цели точной идентификации древесины без повреждения самого продукта, является одним из актуальных на сегодняшний день в области исследований древесины. Осевая тонкостенная ткань содержит важную информацию о зернах древесины, и это один из важных признаков для идентификации древесины. В статье исследуются микроскопические изображения широколиственной древесины, получены изображения микроструктуры поперечного сечения древесины путем фотографирования, а также извлечена полная осевая морфология тонкостенных тканей древесины с использованием технологии компьютерной обработки изображений и других способов компьютерного зрения. Во-первых, изображения осевой тонкостенной древесины были обезшумлены, чтобы устранить некоторые шумовые эффекты и облегчить разделение осевой тонкостенной древесины; затем изображения были обработаны с помощью математической морфологии, чтобы успешно извлечь осевую тонкостенную древесину и морфологию воздуховода из изображений поперечного сечения широколиственной древесины; наконец, осевая тонкостенная древесина была отделена от воздуховода путем вычисления площади замкнутой области.
Биографии авторов
Цай Цзянфэн, Московский государственный университет имени М.В. Ломоносова, Москва, Россия
Цай Цзянфэн, Московский государственный университет имени М.В. Ломоносова, Москва, Россия
e-mail: caijiangfeng_123@qq.com
Дун Йикай, Университет Гуанчжоу, Гуанчжоу, Китай
Дун Йикай, Университет Гуанчжоу, Гуанчжоу, Китай
e-mail: 2007200096@e.gzhu.edu.cn
Библиографические ссылки
Lin Y., Chen D., Liang S., Xu Z., Qiu Y., Zhang J., Liu X. Color classification of wooden boards based on machine vision and the clustering algorithm. Applied Sciences. 2020; 10(19): 6816. DOI: https://doi.org/10.3390/app10196816
Petrosian O., Shi L., Li Y., Gao H. Moving information horizon approach for dynamic game models. Mathematics. 2019; 7(12): 1239. DOI: https://doi.org/10.3390/math7121239
Weilong, H., Weijun, H., Yuqi, Y., Hui, S., Yanyou, W., Yuehang, S., & Xiaobin, L. Improved left- and right-hand tracker using computer vision. Student scientific research. 2022; 3: 21.
Hermanson J. C., Wiedenhoeft A. C. A brief review of machine vision in the context of automated wood identification systems. IAWA journal. 2011; 32(2): 233-250. DOI: https://doi.org/10.1163/22941932-90000054
Zhao C., Blekanov I. Two Towers Collaborative Filtering Algorithm for Movie Recommendation. Management processes and sustainability. 2021; 8(1): 397-401.
Yuan C., Liu X., Zhang Z. (). The Current Status and progress of Adversarial Examples Attacks. Proceedings of International Conference on Communications, Information System and Computer Engineering (CISCE). May 2021. IEEE; 2021: 707-711. DOI: https://doi.org/10.1109/CISCE52179.2021.9445917
Cui K. P., Zhai X. R., Wang H. J. A survey on wood recognition using machine vision. Adv For Lett. 2013; 2: 61-66.
Liu X., Xie X., Hu W., Zhou H. The application and influencing factors of computer vision: focus on human face recognition in medical field. Science, education, innovations: topical issues and modern aspects. 2022: 32-37.
Shen G., He K., Jin J., Chen B., Hu W., Liu X. Capturing and analyzing financial public opinion using nlp and deep forest. Scientific research of students and pupils. 2022: 66-71.
Cui K. P., Zhai X. R., Wang H. J. A survey on wood recognition using machine vision. Adv For Lett. 2013; 2: 61-66.
Chen B., Song Y., Cheng L., He W., Hu W., Liu X., Chen, J. A review of research on machine learning in stock price forecasting. Science and modern education: topical issues, achievements and innovations. 2022: 56-62.
Liu Z., Feng R., Chen H., Wu S., Gao Y., Gao Y., Wang X. Temporal Feature Alignment and Mutual Information Maximization for Video-Based Human Pose Estimation. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2022: 11006-11016. DOI: https://doi.org/10.1109/CVPR52688.2022.01073
de Andrade,B. G., Basso V. M., de Figueiredo Latorraca J. V. Machine vision for field-level wood identification. IAWA Journal. 2020; 41(4): 681-698. DOI: https://doi.org/10.1163/22941932-bja10001
Liu X., Liu W., Yi S., Li J. (). Research on Software Development Automation Based on Microservice Architecture. Proceedings of the 2020 International Conference on Aviation Safety and Information Technology, October 2020: 670-677. DOI: https://doi.org/10.1145/3434581.3434711
He K., Song Y., Shen G., He W., Liu W. Based on deep reinforcement learning and combined with trends stock price prediction model. Topical issues of modern scientific research. 2022: 156-166.
Souza D. V., Santos J. X., Vieira H. C., Naide T. L., Nisgoski S., Oliveira L. E. S. An automatic recognition system of Brazilian flora species based on textural features of macroscopic images of wood. Wood Science and Technology. 2020; 54(4): 1065-1090. DOI: https://doi.org/10.1007/s00226-020-01196-z
Wu J., Lee P. P., Li Q., Pan L., Zhang J. CellPAD: Detecting performance anomalies in cellular networks via regression analysis. Proceedings of IFIP Networking Conference (IFIP Networking) and Workshops, May 2018. IEEE. 2018: 1-9. DOI: https://doi.org/10.23919/IFIPNetworking.2018.8697027
Ou S., Gao Y., Zhang Z., Shi C. Polyp-YOLOv5-Tiny: A Lightweight Model for Real-Time Polyp Detection. Proceedings of 2021 IEEE 2nd International Conference on Information Technology, Big Data and Artificial Intelligence (ICIBA), December 2021. IEEE. 2021; 2: 1106-1111. DOI: https://doi.org/10.1109/ICIBA52610.2021.9688145
Chen S., Awano T., Yoshinaga A., Sugiyama J. Flexural behavior of wood in the transverse direction investigated using novel computer vision and machine learning approach. Holzforschung. 2022; 76(10): 875-885. DOI: https://doi.org/10.1515/hf-2022-0096
Xiaomin L., Yuehang S., Borun C., Xiaobin L., Weijun H. A novel deep learning based multi-feature fusion method for drowsy driving detection. Industry and agriculture. 2022: 34-49.
Zhouyi X., Weijun H., Yanrong H. Intelligent acquisition method of herbaceous flowers image based on theme crawler, deep learning and game theory. Kronos. 2022; 7(4(66)): 44-52. DOI: https://doi.org/10.52013/2658-7556-66-4-12
Ergun H., Uzun Y. Artificial intelligence methods applied in wood species identification. Current Studies in Artificial Intelligence, Virtual Reality and Augmented Reality. 2022: 136-145.
Xie Z., Hu W., Fan Y., Wang Y. Research on multi-target recognition of flowers in landscape garden based on ghostnet and game theory. Development of science, technologies, education in the XXI century: topical issues, achievements and innovations. 2022: 46-56.
Hu W., Zheng T., Chen B., Jin J., Song Y. Research on product recommendation system based on deep learning. Basic and applied scientific research: current issues, achievements and innovations. 2022: 116-124.
Ibrahim I., Khairuddin A. S. M., Arof H., Yusof R., Hanafi E. Statistical feature extraction method for wood species recognition system. European journal of wood and wood products. 2018; 76(1): 345-356. DOI: https://doi.org/10.1007/s00107-017-1163-1
Hu W., Liu X., Xie Z. Ore image segmentation application based on deep learning and game theory. World science: problems and innovations. 2022: 71-76.
He W., Hu W., Wu Y., Sun L., Liu X., Chen B. 2022 Development history and research status of convolutional neural networks. Student scientific forum. 2022: 28-36.
Pedreschi F., León J., Mery D., Moyano P. Development of a computer vision system to measure the color of potato chips. Food Research International. 2006; 39(10): 1092-1098. DOI: https://doi.org/10.1016/j.foodres.2006.03.009
Yin L. The dynamic Shapley Value in the game with spanning tree. Proceedings of 2016 International Conference Stability and Oscillations of Nonlinear Control Systems (Pyatnitskiy's Conference). June 2016. IEEE. 2016:1-4.
Xie Z., Hu W., Zhu J., Li B., Wu Y., He W., Liu X. Left- and right-hand tracker based on convolutional neural network. Topical issues of modern science of education. 2022: 61-67.
