Feature Extraction and Classification of the Forewings of Three Moth Species based on Digital Images
Kanniainen, Teo (2011)
Kanniainen, Teo
2011
Automaatio-, kone- ja materiaalitekniikan tiedekunta - Faculty of Automation, Mechanical and Materials Engineering
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2011-12-07
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tty-2011122114961
https://urn.fi/URN:NBN:fi:tty-2011122114961
Tiivistelmä
The main objective of this research was to find out the possibility to use digital images of forewings in the species identification of codling moth. The suitability of different areas of forewing as identification marks was also determined.
Digital RGB images were used to determine the features of forewings of three different Cydia species (Lepidoptera, Tortricidea). The chosen species were Cydia pomonella, Cydia splendana and Cydia strobilella. Text-based descriptions of the visual appearances of the moth species were used in feature selection. Image processing methods were applied on 6 different areas of 12 different forewings. 168 local features were calculated for each area. Features included direct pixel-wise intensity values and spatially filtered values.
Stepwise regression was performed in order to reduce the number of features in linear models. The models were tested with linear regression analysis and hierarchical agglomerative clustering.
Based on this research, Cydia pomonella can be identified from the two other Cydia species by forewing images. The identification was more reliable when the features of all 6 target areas were included compared to the case that the features of only 3 target areas were included. However, the forewings of Cydia pomonella were separated correctly from the forewings of two other Cydia species with 3 visible areas.
Identification of sitting Cydia pomonella can be based on the measured or calculated features in the white-brown veined area in the middle of the forewing and in the bronze coloured oval in the sub marginal area but possibly not in the dark brown stripe in the inner margin of the forewing. To have distinctive features in regression models, it is recommended to use 21 x 21 –sized or 9 x 9 -sized filtered values rather than direct pixel-wise measurements. Tutkimuksessa haluttiin selvittää, voidaanko omenakääriäinen erottaa muista lähilajeista etusiivestä otetun digitaalikuvan avulla. Lisäksi haluttiin selvittää ne etusiiven alueet, joista lajitunnistus kannattaisi tehdä.
Tutkimuksessa käytettiin digitaalisia RGB-kuvia kolmen Cydia-lajin lajitunnistukseen. Tutkimukseen valittiin kohdelajiksi omenan tuholainen, Cydia pomonella, sitä ulkonäöltään läheisesti muistuttava Cydia splendana sekä näistä kahdesta ulkonäöltään selvästi erottuva Cydia strobilella. Etusiivistä valittiin alueet, joissa tekstipohjaisen tiedon perusteella sijaitsivat tyypilliset lajituntomerkit.
Tutkimukseen otetuista 12 etusiivestä määritettiin 6 aluetta, joista kaikista määritettiin 168 piirrettä. Piirteisiin kuului muun muassa paikallisia pikselikohtaisia intensiteettejä sekä suodatettuja mittaustuloksia.
Piirteiden määrän vähentämiseksi käytettiin askeltavan regressioanalyysin algoritmeja. Valittujen piirteiden perusteella muodostettiin lineaarisia malleja, jotka testattiin lineaarisella regressioanalyysillä ja hierarkisella kokoavalla ryvästyksellä.
Tutkimuksen perusteella Cydia pomonella –laji pystytään erottamaan kahdesta muusta Cydia-suvun lajista etusiivistä otettujen digitaalikuvien perusteella. Kaikkien kolmen Cydia –suvun lajin lajitunnistus oli luotettava, kun kuvien 6 tutkittua aluetta otettiin mukaan analyyseihin. Cydia pomonellan etusiivet pystyttiin erottamaan kahdesta muusta Cydia –suvun lajin etusiivistä myös vain kolmen alueen perusteella. Lajitunnistus kannattaa tehdä siiven keskiosan juovikkaan alueen sekä siiven päädyssä olevan pronssinvärisen ovaalin alueen perusteella, mutta luultavasti ei siiven keskiosan tummanruskean viirun perusteella.
Erottelevimmat piirteet saatiin 21 x 21 ja 9 x 9 –kokoisilla suotimilla suodatetuista alueista, jotka selittivät paremmin lajien välistä eroa kuin pikselikohtaiset intensiteetit.
Digital RGB images were used to determine the features of forewings of three different Cydia species (Lepidoptera, Tortricidea). The chosen species were Cydia pomonella, Cydia splendana and Cydia strobilella. Text-based descriptions of the visual appearances of the moth species were used in feature selection. Image processing methods were applied on 6 different areas of 12 different forewings. 168 local features were calculated for each area. Features included direct pixel-wise intensity values and spatially filtered values.
Stepwise regression was performed in order to reduce the number of features in linear models. The models were tested with linear regression analysis and hierarchical agglomerative clustering.
Based on this research, Cydia pomonella can be identified from the two other Cydia species by forewing images. The identification was more reliable when the features of all 6 target areas were included compared to the case that the features of only 3 target areas were included. However, the forewings of Cydia pomonella were separated correctly from the forewings of two other Cydia species with 3 visible areas.
Identification of sitting Cydia pomonella can be based on the measured or calculated features in the white-brown veined area in the middle of the forewing and in the bronze coloured oval in the sub marginal area but possibly not in the dark brown stripe in the inner margin of the forewing. To have distinctive features in regression models, it is recommended to use 21 x 21 –sized or 9 x 9 -sized filtered values rather than direct pixel-wise measurements.
Tutkimuksessa käytettiin digitaalisia RGB-kuvia kolmen Cydia-lajin lajitunnistukseen. Tutkimukseen valittiin kohdelajiksi omenan tuholainen, Cydia pomonella, sitä ulkonäöltään läheisesti muistuttava Cydia splendana sekä näistä kahdesta ulkonäöltään selvästi erottuva Cydia strobilella. Etusiivistä valittiin alueet, joissa tekstipohjaisen tiedon perusteella sijaitsivat tyypilliset lajituntomerkit.
Tutkimukseen otetuista 12 etusiivestä määritettiin 6 aluetta, joista kaikista määritettiin 168 piirrettä. Piirteisiin kuului muun muassa paikallisia pikselikohtaisia intensiteettejä sekä suodatettuja mittaustuloksia.
Piirteiden määrän vähentämiseksi käytettiin askeltavan regressioanalyysin algoritmeja. Valittujen piirteiden perusteella muodostettiin lineaarisia malleja, jotka testattiin lineaarisella regressioanalyysillä ja hierarkisella kokoavalla ryvästyksellä.
Tutkimuksen perusteella Cydia pomonella –laji pystytään erottamaan kahdesta muusta Cydia-suvun lajista etusiivistä otettujen digitaalikuvien perusteella. Kaikkien kolmen Cydia –suvun lajin lajitunnistus oli luotettava, kun kuvien 6 tutkittua aluetta otettiin mukaan analyyseihin. Cydia pomonellan etusiivet pystyttiin erottamaan kahdesta muusta Cydia –suvun lajin etusiivistä myös vain kolmen alueen perusteella. Lajitunnistus kannattaa tehdä siiven keskiosan juovikkaan alueen sekä siiven päädyssä olevan pronssinvärisen ovaalin alueen perusteella, mutta luultavasti ei siiven keskiosan tummanruskean viirun perusteella.
Erottelevimmat piirteet saatiin 21 x 21 ja 9 x 9 –kokoisilla suotimilla suodatetuista alueista, jotka selittivät paremmin lajien välistä eroa kuin pikselikohtaiset intensiteetit.