Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
1 Tabla de Contenidos
1. Tabla de contenidos 2
2. Introducción 3
3. General 3
4. Sistema 4
5. Adquisición de datos 4
5.1 Experimento 4
6. Vista en vivo 10
9. Mediciones de la Vista 25
10. Descargo 32
2
2 Introducción
En el 2017 WPS entregó una unidad móvil de Fenotipificación Acinterlab. El sistema será utilizado por
la Universidad Agraria de la Molina en Lima, Perú. Este manual contiene toda la información relevante
para operar este sistema.
3 General
Comience el software dando doble click al icono de atajo ACInterlab.
En la parte superior de la pantalla aparecerán cinco iconos con diferentes secciones del software.
En los párrafos siguientes cada sección será descrita.
3
4 Sistema
Cuando el icono esté verde, es posible operar la unidad de Fenotipificación desde el software.
Con un solo click en el icono del sistema, se torna rojo. La operación desde el software se bloquea.
5 Adquisición
5.1 Experimento
Sets de datos pueden ser ordenados en varios niveles, para ser nombrados/numerados por el
usuario:
• Experimento
• Dentro de múltiples lotes de un experimento
• Dentro de un lote de réplica múltiple
• Cada replicante puede tener múltiples adquisiciones
Las siguientes acciones pueden ser hechas desde la sección de la: configuración de experimento:
4
Crear un experimento por defecto
Recalcular el experimento
Este menú muestra la configuración para la adquisición actual:
Imagen superior requerida: ‘True’: la cámara superior será utilizada en la adquisición actual
Imagen lateral requerida: ‘True’: la cámara lateral será utilizada en la adquisición actual
Conteo de imagen lateral: Número de imágenes que serán tomadas durante la adquisición.
Pausa de imagen lateral: Se detiene el tiempo del tornamesa en cada imagen lateral.
5
Solo aplicable si son requeridas imágenes laterales
6
5.3 Configuración de procesamiento
En el menú de ‘configuración de segmentación’, para cada característica de planta los siguientes
sujetos pueden ser modificados:
Selecciona una característica de planta haciendo click en el nombre a la derecha de ‘color de
segmentación’/ La lista con las caracterices disponibles de planta aparecerán:
7
Haciendo click en el icono puede desplegar el menú de variables detalladas por sujeto:
ROI significa ‘Region of Interest’ (región de interés); esto determina por cámara (lado, tope) la parte de
la imagen en la cual se realizará la adquisición actual. Todas las dimensiones están en pixeles. X y Y
determinan las coordenadas del centro de la ROI. Para la cámara lateral la ROI es un cuadrado con un
tamaño W x H. Para la cámara de vista superior la ROI es un círculo con diámetro W.
Posición de la parte supra-central de la maceta.
Opening factor : Agudizar límites, remover pixeles flotantes
Min height blobs: Altura mínima del cumulo de un set de pixeles contiguos
Min width blobs: Ancho minimo del cumulo de un set de pixeles contiguos
Min área blob: Área mínima del cumulo de un set de pixeles contiguos
Estos factores de filtro son idénticos para la vista superior de la cámara.
8
5.4 Información de la planta activa
Durante una adquisición este menú muestra la información sobre la planta actual
5.5 Unidad de rotación
Durante una adquisición, este menú muestra la información sobre el estado de la unidad de
Fenotipificación.
5.6 Iniciar adquisición
Puede comenzar una nueva adquisición haciendo click en el botón ‘Start Acquisition’. Esto
actualizará la información en los menús de ‘active plant information’ (información de planta
activa).
9
6. Vista en vivo
Esta sección muestra las vistas actuales de ambas cámaras (superior y lateral)
Las siguientes acciones pueden ser realizadas desde esta pantalla.
La barra al fondo de cada vista muestra información actual sobre la vista y la posición del cursor:
10
7 Características de color- Guía paso a paso
Cada característica viene a ser una parte de una planta, como, por ejemplo, ‘Leaf’ (hoja). Asignando “Leaf”
en una imagen puede requerir múltiples rangos de color. El área de “Leaf” en la imagen superior puede
también requerir rangos distintos de color a los de la misma hoja en la vista lateral. Por este motivo el
instrumental ofrece soporte a diferentes rangos de color en una característica y múltiples rangos de color
por tipo de imagen (superior/lateral).
Cargar imágenes:
Localice su carpeta de imágenes y seleccione una imagen “Superior” y una imagen “lateral”.
Paso 1: Seleccione la ubicación donde están alojadas las imágenes en formato Tiff
11
Verifique que la imagen lateral y superior hayan cargado. Seleccione la imagen “Side” (lateral) para
comenzar haciendo click (izquierdo) en la imagen lateral al lado izquierdo de la pantalla, como se
muestra en la imagen.
Ambas imágenes (lateral y superior) deberían haber cargado. Comenzar seleccionando la imagen lateral.
Una imagen lateral es seleccionada. Ahora procedamos a agregar una nueva Característica
presionando el botón “New”.
Una nueva característica aparecerá en el control como se muestra en la imagen abajo. Cuando se crea
una característica un nombre por defecto es generado. En la imagen como ejemplo esta es llamada
“New Feature 3” (nueva caract. 3).
12
Para cambiar el nombre de la nueva característica:
El nombre “Leaf” (hoja) debería ahora estar visible en el control en la selección de característica como se muestra en la
imagen de abajo.
Como podemos apreciar en la imagen superior, un único rango llamado “HSV Range” (1) está ahora
disponible en la nueva característica “Leaf” creada. En este caso el tipo de imagen es lateral. Este rango de
color fue automáticamente agregado porque una imagen lateral (“Side”) fue seleccionada cuando el botón
de característica “New” fue presionado.
13
El la imagen podemos ver que la imagen seleccionada (y mostrada) es una imagen “Side” y que el
rango de color seleccionado es también de tipo “Side”.
En la imagen abajo los botones básicos y la información para agregar y editar los rangos de color
son mostrados:
La imagen es visible. Ahora debemos de seleccionar los colores que son parte del rango de color
seleccionado al agregarlos a la característica seleccionada. Podemos hacer esto empleando el
Selector de Color (“Color Picker”) que está localizada en el fondo del control mostrado en la
imagen abajo.
Al seleccionar el botón al costado del texto “Select color” un rectángulo aparecerá en vez de la
flecha del cursor del mouse. El tamaño del rectángulo puede ser ajustado al seleccionar el tamaño
el tamaño de rectángulo a “3px” (por ejemplo) como se muestra en la imagen inferior. Cuando el
cuadrado sea visible el selector de color será activado. Podemos mover el cuadrado a cualquier
parte de la imagen, y al presionar el botón derecho del mouse todos los colores de pixel dentro del
cuadrado serán añadidos al rango de color.
14
Podemos repetir el proceso de seleccionar áreas con la herramienta de selección de color
múltiples veces hasta que el área óptica “Lead: en la imagen esté cubierta de pixeles rojos.
Cuando una selecciona inválida sea hecha el botón de “Revert” ubicado en la parte inferior
derecha de la pantalla podrá ser empleado para deshacer los últimos cambios! (Ver la imagen
inferior para la posición exacta del botón).
Selector de color repetido múltiples veces:
15
En la imagen de muestra abajo podemos ver que todas las partes de la hoja están cubiertas con
pixeles rojos. Así, en este caso nuestra característica “Leaf” puede ser completamente cubierta por
un solo rango de color. Para este momento, la selección de colores con el selector de colores ha
concluido.
El resultado se aprecia bien en la imagen superior. Pero…dado que hicimos zoom todavía tenemos
que verificar si la imagen completa se ve bien. Así que, necesitamos alejar la imagen utilizando la
rueda del ratón.
Como se puede ver en la imagen arriba, muchos pixeles pueden ser encontrados fuera de la planta.
Esto puede implicar una situación con fallos. Pero, como se explicó en el capítulo Pre-
Procesamiento, la creación de una silueta de la ROI (Región de Interés) hará que los pixeles en los
lados sean excluidos.
16
Por ahora, estamos satisfechos con este rango de color. Un solo rango de color cubre el área
completa de la Hoja en esta imagen. La única cosa que fala es un nombre apropiado para el rango
de color. Cuando leemos “HSV Range (1)” no nos hacemos idea de que significa. Un nombre
adecuado podría ser “LadoHojaVerde” (Tipo de imagen+Característica +Color).
17
La selección de un rango de color apropiado para esta imagen lateral ha terminado. En este caso,
podemos seleccionar el área completa de “Hoja” en un solo rango de color.
En el caso de características que deben incluir múltiples colores también vamos a crear múltiples
rangos de color hasta que el área completa éste cubierta al repetir este paso varias veces.
Con lo que respecta a la imagen lateral, hemos terminado. Pero, qué sucede con la imagen
superior? En la imagen superior también tenemos que detectar hoja. La selección que hemos
realizado de momento solo funciona para la imagen “Lateral”.
También vamos a tener que definir el rango de color para la imagen superior. La manera más
simple es clonando un rango de color y ajustarlo para que funcione en la imagen superior.
18
Un color editable aparecerá.
Ahora una copia del rango de color ha sido realizada efectivamente. Pero, como podemos apreciar
en la imagen abajo, la copia es visible, más no seleccionable. Solo los rangos de color que están
vinculado al tipo de cámara son seleccionables. En nuestro caso la imagen seleccionada es una
imagen “Lateral”. Necesitamos seleccionar una imagen “Superior” y seleccionar el rango de color
“SuperiorHojaVerde”!
Seleccionar una imagen superior al lado izquierdo de nuestra pantalla (como se muestra en
nuestra imagen abajo)
19
Como podemos ver en la imagen inferior el visualizador de imagen muestra una imagen superior,
el rango de color “Superior” es seleccionado. Y todos los pixeles del rango de color
“SuperiorHojaVerde” son dibujados en la imagen superior.
Podemos ver que el rango de color no está funcionando bien para la imagen “Superior”.
Demasiadas áreas rojas son mostradas fuera de la silueta actual. Tenemos que ajustar el (los)
rango(s) de color para prevenir esto! Podemos hacer esto al mover los sliders o añadiendo /
removiendo nuevos rangos de colores como hicimos con la “Imagen Lateral”.
Una vez que hayamos terminado tenemos que grabar los cambios al hacer click en el botón
amarillo llamado “Save settings” (grabar características) en la parte inferior derecha de la pantalla.
Para verificar si las configuraciones están grabadas correctamente podemos también presionar el
botón “Reload” (Recargar) que está localizado al lado del botón para grabar.
20
8. Pre-procesamiento y creación de silueta
En las imágenes mostradas abajo los pasos de pre-filtración son exhibidas. Básicamente, una
silueta tiene que ser creada para proveer una base para los algoritmos empleados.
8.2 Remover pixeles fuera de la ROI
8.3 Segmentación de color
21
22
En la imagen inferior hemos hecho zoom a la muestra de pixeles de “ruido” aludidos, en la imagen
superior. Los pixeles de ruido son pixeles que son incluidos en el rango de selección de color pero
no son rodeados por otros pixeles correspondientes. Remover estos pixeles empleando filtros
basados en forma previene que pixeles únicos y áreas pequeñas sean incluidas en la silueta.
8.5 Resultado de silueta en imagen original
Después de correr el filtro una silueta limpia puede ser creada como se muestra en las imágenes
abajo. Los pixeles rojo representados muestran la silueta resultante.
23
8.6 Pixeles de silueta remanente
Estos pixeles remanentes son usados para calcular medidas. Todos los pixeles fuera de la silueta
serán ignorados!
8.7 Colores de segmentación
Los colores de segmentación pueden ser configurados pro el usuario. Estos colores de
segmentación pueden ser administraos usando el control de Característica de Planta de WPS (WPS
Plant Feature) que también está explicado en este documento en el capítulo de Característica de
color.
Importante: Siempre debe haber una Característica de Planta llamada “Segmentación”, tanto
como para la imagen “Lateral” y la “Superior” los colores deberían estar disponibles. Si la
característica de planta “Segmentación” no está disponible, el sistema no funcionara
correctamente y erros pueden ocurrir durante el procesamiento!
24
9. Medición de visión
Los resultados de medición de visión pueden ser separados en dos partes. Las mediciones
relacionadas a imagen y las respectivas a palta/perspectiva. Las mediciones relacionadas a imagen
son calculadas para cada imagen individual. Las mediciones de planta/perspectiva son derivadas
de un número de resultados de mediciones de imagen.
Por ejemplo:
Basada en el resultado de la silueta, por cada imagen adquirida, las mediciones relativas a imagen
serán calculadas por el software de visión utilizado algoritmos. Algunas de estas mediciones son
diagramadas en la imagen de “Output” (Salida/producto/emisión) que será generada cuando una
imagen sea efectivamente procesada.
Ø Convex
Ø CenterOfMass
Ø Silhouette area
Ø ROI
25
Imagen “Lateral” de output como ejemplo
26
Imagen “Superior” de output como ejemplo
Ø Pixeles
Ø Usado para mediciones relativas a tamaño, como “Área”, “Altura”…
Ø HSV
Ø Usado para grabar una representación de color (Actualmente 3 valores)
Ø Hue (matiz)
Ø Saturation (saturación)
Ø Value (valor)
Ø Histograma
Ø Usado para grabar la representación de distribución de color RGB en una imagen (3*256
valores)
§ R * 256 valores
§ G * 256 valores
§ B * 256 valores
27
9.3 Imágenes CoreSide
Para prevenir problemas de tardanza y flujo excesivo de datos, las Características de Planta e
Histogramas en la perspectiva lateral solo serán medidos para las imágenes “CoreSide”, con un
máximo de 3. Las imágenes “CoreSide” deberían siempre ser adquiridas en ángulos de rotación de
0, 120 y 240 grados.
Una característica puede ser descrita como un grupo de pixeles que nos gustaría detectar en una
imagen basada en sus colores. También llamada “Regio de interés de color”. Esta puede ser un
solo rango de color, puede también podría ser de múltiples rangos de color.
Procedamos a tomar una hoja de franjas de color verde y amarillo como ejemplo simple. La
característica en la que estamos interesados es llamada “Hoja”. Pero, necesitamos buscar
múltiples colores (verde y amarillo) que no pueden ser unificados en un solo rango de color único.
Nosotros también tenemos que considera que una hoja de la perspectiva “Latera” se ve diferente
que una de perspectiva “Superior”. Esto puede significar que la misma hoja en una vista “Superior”
y “Lateral” puede tener diferentes colores.
En este caso tenemos definida la característica “Hoja” y como se hubo explicado se necesitaran al
menos 4 rangos distintos de color.
Ø Hoja
Ø Lado rango de color verde
Ø Lado rango de color amarillo
Ø Superior rango de color verde
Ø Superior rango de color amarillo
Por este motivo un rango de color está relacionado a la perspectiva. En este caso “Lateral” o
“Superior”.
28
9.5 Medición de la característica de planta
Como se describió en Características de Color, los rangos de color pueden ser creados y combinados
como una Característica de Planta. Por lo tanto, un área puede ser descrita como un área de color de
interés.
Características de Planta pueden ser vinculadas a un experimento. Cuando una planta necesita ser
medida por el sistema de visión todas las Características de Planta requeridas para el experimento
serán medidas.
Cada medición de Característica de Planta creara un producto de dos diferentes unidades y valores de
producto:
Ø Color
Ø El color promedio de todos los pixeles en el área de Característica de Planta,
representado como un resultado HSV.
Ø Tamaño
Ø El número de pixeles incluidos en el área de Característica de Planta.
Las diferentes mediciones son denotadas como propiedades de planta. La tabla abajo provee una vista
general de estas propiedades de planta, su unidad y su definición:
29
Superficie Superior 1
Color Medio Superior 1 Color medio (HSV) dentro de la silueta de la imagen superior
Distancia desde el centro de la olla para el centro de masa alineada a silueta en la imagen
superior
Centro Superior de Distancia de Masa 1 Distancia desde el centro de la olla para el centro de masa de la silueta de coordenadas en la
imagen superior
Centro Superior de Masa X 1 Coordenada X del centro de masa de la silueta de la imagen superior con respecto a la esquina
superior izquierda de la imagen
Centro Superior de Masa Y 1 Coordenada Y del centro de masa de la silueta de la imagen superior con respecto a la esquina superior
izquierda de la imagen
TopHistoR_1..256 256 Distribución del color rojo (256 valores) dentro de la silueta de la imagen superior, medida en píxeles
por canal
TopHistoG_1..256 256 Distribución del color verde (256 valores) dentro de la silueta de la imagen superior, medida en píxeles
por canal
TopHistoB_1..256 256 Distribución del color azul (256 valores) dentro de la silueta de la imagen superior, medida en píxeles
por canal
TopHistoH_1..360 360 Distribución de matiz (360 valores) dentro de la silueta de la imagen superior, medida en píxeles por
canal
TopHistoS_1..100 100 Distribución de la saturación (100 valores) dentro de la silueta de la imagen superior, medida en píxeles
por canal
TopHistoV_1..100 100 Distribución de valores (100 valores) dentro de la silueta de la imagen superior, medida en píxeles por
canal
CoreSide0AverageColor_1 1 Medio Color de la silueta de la imagen de la cara del primer núcleo
CoreSide0HistoR_1 256 Distribución del color rojo (256 valores) dentro de la silueta primera imagen vista lateral de, medida
en píxeles por canal
CoreSide0HistoG_2 256 Distribución del color verde (256 valores) dentro de la silueta de la primera imagen vista lateral,
medida en píxeles por canal
CoreSide0HistoB_3 256 Distribución del color azul (256 valores) dentro de la silueta de la primera imagen vista lateral, medida
en píxeles por canal
CoreSide1HistoR_1 256 Distribución del color rojo (256 valores) dentro de la silueta segunda imagen de la vista lateral, medida
en píxeles por canal
CoreSide1HistoG_2 256 Distribución del color verde (256 valores) dentro de la silueta de la segunda imagen de la vista lateral,
medida en píxeles por canal
CoreSide1HistoB_3 256 Distribución del color azul (256 valores) dentro de la silueta de la segunda imagen de la vista lateral,
medida en píxeles por canal
CoreSide2HistoR_1 256 Distribución del color rojo (256 valores) dentro de la silueta tercera imagen de vista lateral de, medida
en píxeles por canal
CoreSide2HistoG_2 256 Distribución del color verde (256 valores) dentro de la silueta de la tercera imagen de la vista lateral,
medida en píxeles por canal
CoreSide2HistoB_3 256 Distribución del color azul (256 valores) dentro de la silueta de la tercera imagen de la vista lateral,
medida en píxeles por canal
CoreSide0HistoH_1..360 360 Distribución de matiz (360 valores) dentro de la silueta de la imagen superior, medida en píxeles por
canal
CoreSide0HistoS_1..100 100 Distribución de la saturación (100 valores) dentro de la silueta de la imagen superior, medida en
píxeles por canal
CoreSide0HistoV_1..100 100 Distribución de valores (100 valores) dentro de la silueta de la imagen superior, medida en píxeles por
canal
CoreSide1HistoH_1..360 360 Distribución de matiz (360 valores) dentro de la silueta de la imagen superior, medida en píxeles por
canal
CoreSide1HistoS_1..100 100 Distribución de la saturación (100 valores) dentro de la silueta de la imagen superior, medida en
píxeles por canal
CoreSide1HistoV_1..100 100 Distribución de valores (100 valores) dentro de la silueta de la imagen superior, medida en píxeles
por canal
CoreSide2HistoH_1..360 360 Distribución de matiz (360 valores) dentro de la silueta de la imagen superior, medida en píxeles por
canal
CoreSide2HistoS_1..100 100 Distribución de la saturación (100 valores) dentro de la silueta de la imagen superior, medida en
píxeles por canal
30
CoreSide2HistoV_1..100 100 Distribución de valores (100 valores) dentro de la silueta de la imagen superior, medida en píxeles
por canal
Altura Lateral 72 La altura máxima de la silueta de la imagen vista lateral por (entre 0-72), mide en píxeles
Amplitud Lateral 72 El ancho máximo de la silueta de la imagen vista lateral por (entre 0-72), mide en píxeles
Superficie Lateral 72 Superficie máxima de la silueta de la imagen vista lateral por (entre 0-72), medida en píxeles
Casco Convexo Lateral 72 Área de Casco Convexo , por vista lateral(entre 0-72), medición en pixeles
Redondez Lateral 72 Redondez de silueta , por vista lateral (0-72), medición en porcentaje
Distancia de Centro de Masa Lateral 72 Distancia del centro de la olla alineado al lado X, vista lateral, medición en pixeles
Distancia de Centro de Masa Lateral X 72 Coordenada X del centro de masa con respecto a la esquina superior izquierda de la imagen del
lado X, por cada lado, vista de la imagen (entre 0-72), medida en pixeles
Distancia de Centro de Masa Lateral Y 72 Coordenada Y del centro de masa con respecto a la esquina superior izquierda de la imagen del lado
Y, por cada lado, vista de la imagen (entre 0-72), medida en pixeles
9.6.1 Datos relacionales
Algunos resultados de medición en la base de datos contienen datos llamado “Relacionales”. Como se
explicó en el capítulo Unidades de Medición, algunas mediciones como por ejemplo Histogramas y
resultados HSV, contienen múltiples valores como resultado. Además las Características de Planta
pueden ser dinámicamente añadidas como resultados de medición. Para grabar datos dinámicos y
múltiples valores por medición en la base de datos tenemos que crear estructuras de datos
“Relacionales”.
El color promedio dentro de la silueta de la imagen superior grabada como una unidad HSV. A
pesar de ser un único resultado este necesita grabar valores múltiples.
PropiedadDePlanta ValorPropiedadPlanta
PromedioColorSuperior -> Valor H
-> Valor S
-> Valor V
Las características de color aginadas a la imagen superior grabadas como unidades HSV. El
resultado será un valor HSV para cada característica habilitada. De ese modo, el número de
unidades HSV (también valores múltiples) crecerá de manera dinámica dependiendo de los
números de características habilitadas en el experimento como se muestra en el ejemplo abajo.
31
PropiedadDePlanta ValorPropiedadPlanta
CaracteristicaColorSuperior > Caract. 1 Valor H
> Caract. 1 Valor S
> Caract. 1 Valor V
> Caract. 2 Valor H
> Caract. 2 Valor S
> Caract. 2 Valor V
> Caract. 3 Valor H
> Caract. 3 Valor S
> Caract. 3 Valor V
> Caract. x Valor H
> Caract. x Valor S
> Caract. x Valor V
Poe ahora todos los datos disponibles son grabados en la base de datos y la visualización
(representación) podría ser una solicitud futura.
10. Descargo
El material en este manual es para finales informativos únicamente. A pesar que el autor ha
hecho cada esfuerzo para cerciorarse que la información contenida fuese la correcta al
momento de su publicación, el autor no asume y se exime de cualquier problema que cualquier
parte haya tenido como resultado a modo de perdida, daño o disrupción causados por errores u
omisiones, aunque dichos errores u omisiones hayan sido resultado de negligencia, accidente o
cualquier otra causa.
32