Reti neurali e elaborazione di immagini per sparare ai caterpillars con laser

Question

Sono un po 'un agricoltore dilettante e ho una preziosa pianta di pomodoro ciliegino che cresce in una pentola. Ultimamente, con mio dispiacere, ho scoperto che la mia preziosa pianta è stata vittima di uno schema perpetrato dal malvagio Manduca Quinquemaculata - noto anche come Tomato Hornworm (http://insects.tamu.edu/images/insects/common/images/cd-43-c-txt/cimg308.html).

Mentre fracassavo l'ultimo worm che ho visto, ho pensato tra me e me, se dovessi utilizzare una webcam collegata al mio computer con un programma in esecuzione, sarebbe possibile utilizzare qualche tipo di applicazione per monitorare la mia preziosa pianta? Questi parassiti sono estremamente camuffati e molto difficili da scoprire per i miei occhi ingenui.

Ho visto la ricerca utilizzando reti neurali artificiali (ANNs) per tutti i tipi di cose come riconoscere i volti delle persone, ecc. E quindi forse sarebbe possibile individuare il parassita con una ANN.

Ho alcune domande però che vorrei alcuni suggerimenti però.

1) Esiste una classifica delle diverse RNA in termini di qualità di classificazione? I percettori multistrato sono noti per essere migliori di Hopfields? O questa è una domanda a cui la risposta è sconosciuta?

2) Perché esistono diverse funzioni di attivazione che possono essere utilizzate nelle RNA? Sigmoidi, tangenti iperboliche, funzioni di passo, ecc. Come si può sapere quale funzione scegliere?

3) Se avessi un'immagine di una pianta con un verme su uno dei rami, penso che potrei allenare una rete neurale per cercare rami magri, ingrassare per un breve periodo e poi diventa magro di nuovo. Ho un problema però con rami che attraversano dappertutto. Esiste una fase di pre-elaborazione che può essere applicata a un'immagine per distinguere tra elementi in primo piano e elementi di sfondo? Vorrei isolare singoli rami per correre attraverso la rete uno alla volta. C'è qualche tipo di algoritmo di trasformazione piacevole?

Sarebbe molto apprezzato anche qualsiasi buon suggerimento sul riconoscimento di pattern e l'elaborazione di immagini come libri o articoli.

Cordiali saluti, mj

pomodoro hornworms è stato ferito durante la stesura di questo e-mail.

Answer 1

Questi piccoli polloni si muovono regolarmente? Se è così, e se la pianta è abbastanza statica (ovvero senza vento o altre forze che la fanno muovere), allora un semplice filtro per trovare il movimento potrebbe essere sufficiente. Ciò escluderebbe la necessità di qualsiasi algoritmo di apprendimento, che è spesso abbastanza difficile da addestrare e implementare.

Answer 2

Una buona regola empirica per l'apprendimento automatico è: le caratteristiche migliori battono meglio gli algoritmi. Se si inseriscono direttamente i pixel dell'immagine originale nella classe di classificazione, i risultati saranno scarsi, indipendentemente dall'algoritmo di apprendimento che si utilizza. Se si preelaborano l'immagine e si estrae funzionalità altamente correlate alla "presenza di bruco", la maggior parte degli algoritmi eseguirà un lavoro decente.

Quindi non concentrarsi sulla topologia della rete, iniziare con l'attività di visione del computer.