THẢO LUẬN: SỬ DỤNG CÁC PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG ẢNH SỐ, PHÂN LOẠI TỰ ĐỘNG ĐỂ CHẨN ĐOÁN MỘT SỐ BỆNH CỦA LỢN Báo cáo viên: Đỗ Thị Nhâm NỘI DUNG Giới thiệu chung  Nội dung nghiên cứu  Kết đạt  Kết luận  GIỚI THIỆU CHUNG Chăn nuôi ngành có vai trò quan trọng phát triển kinh tế nông nghiệp, nông thôn, kinh tế nói chung  Chăn nuôi nước ta ngày trọng phát triển (đặc biệt ngành chăn nuôi lợn) bước thu nhiều thành tựu đáng kể  Tuy nhiên vấn đề dịch bệnh thường xuyên xảy gây nhiều tổn thất to lớn  Việc chẩn đoán bệnh để có biện pháp phòng tránh điều trị kịp thời việc làm cần thiết  GIỚI THIỆU CHUNG Muốn người chăn nuôi dựa vào kinh nghiệm thân mà cần đội ngũ chuyên môn hỗ trợ giàu kinh nghiệm  Tuy nhiên nước ta thiếu đội ngũ chuyên môn  Cần giải pháp thích hợp???  Xê-mi-na trình bày phương pháp xử lý ảnh số phương pháp phân loại ảnh tự động, từ ứng dụng để xây dựng sở liệu ảnh chương trình máy tính giúp chẩn đoán số bệnh lĩnh vực chăn nuôi lợn  GIỚI THIỆU CHUNG  Mô hình toán phát bệnh lợn qua hình ảnh sử dụng phương pháp phân loại hình ảnh Dữ liệu ảnh huấn luyện Dữ liệu ảnh cần phân loại Máy học Trích chọn đặc trưng Phân loại Kết phân loại NỘI DUNG NGHIÊN CỨU  Phương pháp trích chọn đặc trưng ảnh      Phân bố đặc trưng biên (Edge Histogram Descriptor) Tương quan màu sắc (Color Correlograms) Đặc trưng kết cấu sử dụng lọc Gabor (Gabor Wavelets) Sift (Scale Invariant feature transform) Phương pháp phân lớp SVM (Support Vector Machine) PHÂN BỐ ĐẶC TRƯNG BIÊN (EDGE HISTOGRAM DESCRIPTOR) (1) Phân bố đặc trưng biên đặc trưng thể biên đối tượng ảnh  Có loại biên định nghĩa: dọc, ngang, góc 45 độ, 135 độ, vô hướng sử dụng để tính phân bố đặc trưng biên       Phân bố đặc trưng biên chia làm loại: Phân bố đặc trưng biên cục Phân bố đặc trưng biên toàn cục Phân bố đặc trưng biên bán toàn cục Phân bố đặc trưng biên kết hợp từ ba loại PHÂN BỐ ĐẶC TRƯNG BIÊN (EDGE HISTOGRAM DESCRIPTOR) (2)    Cách tính phân bố đặc trưng biên cục Chia ảnh thành 16 vùng Với vùng ảnh Chia vùng thành khối không tách rời  Với khối áp dụng lọc định nghĩa trước cho loại biên  Cập nhật phân bố theo kết lọc   Thu histogram cục với 16 x 5= 80 bin PHÂN BỐ ĐẶC TRƯNG BIÊN (EDGE HISTOGRAM DESCRIPTOR) (3)  Đặc trưng biên toàn cục tính sau:   Đặc trưng biên bán toàn cục tính sau:    Ta tính phân bố biên đặc trưng cho toàn ảnh histogram với bin ứng với loại biên Ta chia ảnh thành 13 cụm Tính phân bố loại biên cho cụm cuối ta có Histogram với 65 (13x5) bin Phân bố đặc trưng biên kết hợp từ ba loại 150 bin (80bin cục + bin toàn cục +65 bin bán toàn cục) TƯƠNG QUAN MÀU SẮC (COLOR CORRELOGRAMS) (1) Có đặc tính bật là: không mô tả phân phối màu điểm ảnh mà thể mối quan hệ không gian cặp màu theo khoảng cách  Cách tính:  Ta đặt I ảnh có kích thước n x n, ảnh có m màu ký hiệu c1, c2,…, cm  Với pixel p =(x,y) thuộc I, gọi I(p) màu pixel p  Ta định nghĩa khoảng cách p1 với p2 sau:  |p1-p2|=max(|x1-x2|, |y1-y2|)  PHƯƠNG PHÁP PHÂN LỚP SVM (SUPPORT VECTOR MACHINE) (4)  Trường hợp 3: tập liệu phân chia tuyến tính (dạng phi tuyến)   Ta chuyển đổi không gian biểu diễn đầu vào ban đầu sang không gian phân lớp tuyến tính cách sử dụng hàm ánh xạ phi tuyến ϕ 𝑘 𝑚 < 𝑤 𝑤 > Cực tiểu hóa :   Với ràng buộc: +𝐶 ξ𝑖 𝑖=1 𝑦𝑖 < 𝑤 𝑥𝑖 > +𝑏 ≥ − ξ𝑖 ; 𝑖 = 𝑚 i0 Nếu biết hàm nhân (Kernel function) K(x, x’) = (x) (x’) để tính tích vô hướng (x) (x), không cần làm việc trực tiếp với ánh xạ (x) 𝑝𝑜𝑙𝑦𝑛𝑜𝑚𝑖𝑎𝑙 𝑥, 𝑥 ′ = (< 𝑥 𝑥 ′ > +𝑘)𝑑 ; 𝑘 ∈ 𝑅, 𝑑 ∈ 𝑁  Kernel đa thức: 𝑘𝑑 ,𝑘   Gaussian RBF kernel: 𝑘𝜎𝐺𝑎𝑢𝑠𝑠𝑖𝑎𝑛 𝑥, 𝑥 ′ = exp − 𝑥 − 𝑥 ′ 𝜎 ; 𝜎>0 SVM CHO PHÂN LỚP ĐA LỚP  Chiến lược One vs ALL   Chiến lược xây dựng k mô hình SVM với k số lượng lớp cần phân loại Mô hình thứ t tách lớp t (lớpdương) khỏi lớp khác (âm))  Chiến lược One vs One  Cần xây dựng k(k-1)/2 phân lớp, mô hình tách cặp lớp CÀI ĐẶT Phần mềm ứng dụng (chương trình chính, giải thuật trích chọn đặc trưng ảnh, chuẩn hóa liệu dạng chuẩn cho trình huấn luyện thử nghiệm SVM) xây dựng cài đặt ngôn ngữ lập trình Matlab  Sử dụng thêm thư viện nguồn mở SIFT demo program (Version 4, July 2005) (David Lowe 2005) dùng để trích chọn đặc trưng SIFT cho ảnh LibSVM (Chang and Lin (2011) để thực phân loại ảnh tự động  Sử dụng máy tính Intel Core i3, 2.1 GHz, 2GB RAM  KẾT QUẢ  Dữ liệu thu thập được:   Ảnh chụp từ loại bệnh lợn: Bệnh tai xanh (hội chứng rối loạn sinh sản hô hấp lợn – Porcine Reproductive and Respiratory Syndrome - PRRS) KẾT QUẢ  Bệnh lở mồm long móng KẾT QUẢ  Bệnh đóng dấu lợn KẾT QUẢ  Bệnh ghẻ lợn KẾT QUẢ  Bệnh đậu mùa lợn KẾT QUẢ Giai đoạn trích chọn đặc trưng   Với phương pháp trích chọn đặc trưng áp dụng cho 163 ảnh thử nghiệm, thu được163 vector đặc trưng Thời gian xử lý phương pháp xử lý Thời gian xử lý bốn phương pháp trích chọn đặc trưng 18 16 14 Thời gian (giây)  12 10 0 10000 20000 30000 40000 50000 Kích thước ảnh (byte) Color correlogram EHD SIFT GABOR 60000 70000 KẾT QUẢ  Giai đoạn phân loại tự động SVM  Kết phân loại phương pháp trích chọn đặc trưng (sử dụng 26 ảnh chụp để test thử) Tên Phương pháp Độ xác (%) EHD 69.2308 Gabor 84.6154 Color Correlogram 73.0769 SIFT 53.8462 NHẬN XÉT  Qua trình thử nghiệm, tác giả nhận thấy:   Kết phân lớp tập liệu huấn luyện trích chọn từ phương pháp Garbor đem lại hiệu cao liệu ảnh thử nghiệm ảnh bệnh lợn biểu da, phương pháp gabor hiệu việc phát đường vân ảnh (là vết đỏ, nốt đỏ tròn, vuông, nốt lở loét da, lưỡi, móng lợn) Trong thực nghiệm phương pháp Sift phương pháp có hiệu thấp nhất, tập ảnh huấn luyện phần lớn chưa tách nền, nên điểm đặc trưng mà sift tìm phần ảnh nhiều dẫn đến hiệu phân lớp bị ảnh hưởng VÍ DỤ KẾT LUẬN      Xê-mi-na giới thiệu tổng quan phương pháp xử lý ảnh số như:  Phân bố đặc trưng biên (Edge Histogram Descriptor)  Tương quan màu sắc (Color Correlograms)  Đặc trưng kết cấu sử dụng lọc Gabor (Gabor Wavelets)  Sift (Scale Invariant feature transform) Giới thiệu tổng quan phương pháp phân loại ảnh số tự động SVM (Support Vector Machine) Cài đặt thành công giải thuật phương pháp trên, kết thu phân loại chẩn đoán bệnh lợn mức chấp nhận Hạn chế:  Bộ liệu huấn luyện đầu ảnh chụp thu thập từ trang trại, chuồng nuôi lợn gặp phải vấn đề màu sắc  Ảnh chưa tách  Ảnh chụp không vị trí lợn, nhiều ảnh thể phận lợn chân, miệng, lưỡi, mảng da… Việc trích chọn đặc trưng chưa phát huy hết hiệu quả, từ làm ảnh hưởng lớn đến kết phân loại DEMO CHƯƠNG TRÌNH  Xin chân thành cảm ơn quý thầy cô ý lắng nghe!