情報技術およびソフトウェア工学ジャーナル
オープンアクセス

概要

ニューラルネットワークを用いた毛細管ダイナモライシス画像識別

メフメット・S・ウンルトゥルク、セフカン・ウンルトゥルク、フィクレット・パジル、フィルーゼ・アブドラヒ

有機栽培および従来栽培の新鮮なトマト（未加工）と冷凍トマト（加工済み）の品質の違いを、毛細管上昇画像法（毛細管ダイナモライシス）を使用して評価します。有機栽培サンプルと従来栽培サンプルの違いを最も鮮明に示す最良の画像は、硝酸銀 0.25～0.75%、硫酸鉄 0.25～0.75%、サンプル濃度 30～100% で作成されました。しかし、これらの画像の視覚的な説明と分析は大きな課題です。そのため、これらの画像を分類するために、グラム-シャリエ ニューラル ネットワーク法 (GCNN) と呼ばれる新しい方法が研究されました。生鮮ケースと冷凍ケース用に 2 つの別々の GCNN が作成されました。これらは、これら 2 つのケースの有機栽培および従来栽培のトマト サンプルの写真を使用してトレーニングされます。2048 x 1536 ピクセルのクロマトグラム画像は研究室で取得され、各ケースの従来栽培または有機栽培のトマトを示す 1400 x 900 ピクセルの画像にトリミングされました。各ケースからの画像 20 枚セットを使用して、各 Gram-Charlier ニューラル ネットワークをトレーニングしました。次に、各ケースからの画像 4 枚の新しいセットを準備して、各 GCNN のパフォーマンスをテストしました。さらに、ヒントン図を使用して、GCNN の重みの最適性を表示しました。全体として、GCNN は平均 100% の認識パフォーマンスを達成しました。この高いレベルの認識は、GCNN が毛細血管のダイナモライシス画像の識別に有望な方法であり、そのパフォーマンスはトマトのサンプルが新鮮か冷凍かに依存しないことを示しています。