DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI Pannon Egyetem Növénytermesztés és Kertészeti Tudományok Doktori Iskolája Burgonya fajták minősítése, és a burgonyanemesítés informatikai rendszere. (Fajta azonosítás és minősítés digitális képanalízis felhasználásával) Csák Máté KESZTHELY 2009.
A disszertáció témája - a keszthelyi burgonyanemesítési programban felmerült fejlesztési igények figyelembevételével - egy folyamat eredményeként alakult ki. Egyrészt célul tűztem ki a burgonyagumó különböző állapotainak jellemzését azok digitális lefényképezés útján keletkező Spektrális Fraktál Dimenziójában (SFD) meglévő különbségeinek feltárásával és jellemzésével, másrészt létre kívántam hozni egy, a nemesítés során keletkező kísérleti adatok korszerű tárolását, komplex lekérdezését és elemzését lehetővé tevő információs rendszert. Létre kívántam hozni egy olyan, a burgonyagumó színének, a gumóhús nyers, 24 óra utáni nyers, és főzés utáni színelváltozásának objektív értékeket adó minősítési rendszert, amely a burgonyafajták elkülönítését, és/vagy a fajtán belüli minőségi különbségeket képes viszonylag egyszerűen és gazdaságosan kimutatni. A Burgonyakutatási Központban folyó munkákba való bekapcsolódása során a fenti problémákat felismerve doktori értekezésem témájául két területet választottam: 1. Gumójellemzők objektív mérésén alapuló, olyan minősítési rendszer kidolgozása, amely vagy a burgonyafajták elkülönítését, vagy a genotípusok közötti minőségi különbségeket képes viszonylag egyszerűen és gazdaságosan kimutatni a fraktál tulajdonságok kihasználásával.
2. A burgonyanemesítés során keletkező mindennemű kísérleti adat felvételezésére, tárolására és elemzésére alkalmas digitális adatbázis kifejlesztése. A fenti tématerületeken belül célul tűztem ki a következőket: Annak megállapítása, hogy alkalmazható-e az SFD érték a burgonyagumó különböző állapotainak jellemzésére, használható-e az SFD érték a burgonyagumók kiválasztott tulajdonságai alapján az egyes fajták elkülönítésére, a genotípusok jellemzésére, ha igen, mely állapot vagy állapotok határozzák meg ezt az elkülönítést. Burgonya nemesítési kutatások komplex adatbázisának létrehozása, felhasználói igényeket kielégítő lekérdezések elkészítése, mérési eredmények közvetlen tárolása. Az SFD mérésként való alkalmazhatósága: Az alábbi befolyásoló tényezők hatását vizsgáltam az SFD érték változására: irányított megvilágítás,
a szennyeződés, bevonat, a megvilágítás intenzitása, a megvilágítás spektruma, az egybevágósági transzformációk (forgatás), a berendezések hibája, a képfelbontás változása. A lefolytatott vizsgálatok alapján megállapítható, hogy az SFD értékére a megengedettnél nagyobb mértékben hat a megvilágítás intenzitása, a megvilágítás szöge és spektruma, valamint a csillogás, tükröződés mértéke. A megvilágítás intenzitásának és szögének, valamint a fényforrás spektrum kibocsátásának változása befolyásolja az SFD értékét. A változás mértéke - a megvilágítás szöge és spektruma valamint a csillogás, tükröződés esetén - nagyobb, mint az megengedhető. Ha ugyanis ez az abszolút eltérés nagyobb, mint az azonos körülmények között felvett burgonyafajták közötti SFD értékek ± szórás értéke, úgy e tényezők hibája elfedi az esetlegesen meglévő burgonyafajták közötti különbözőséget. A megvilágítás intenzitásánál - természetes megvilágítási körülmények között - kimutathatók a felvételezéskor fellépő külső változó tényezők hatásai. Ehhez a változáshoz azonban egyértelműen nem tudtunk hozzárendelni valamilyen függvényt. Mesterséges megvilágítás esetén találtunk egy olyan intenzitási sávot
1100 luxtól 8000 luxig, ahol az SFD értéke érzéketlen a megvilágítás intenzitására. Az objektum helyzetének vizsgálata azt az eredményt hozta, hogy az SFD értéke csak a hibahatárokon belül változik. A digitális kamera és a körvakú hibájának vizsgálati eredménye szintén a hibahatárokon belül változik. Ennek ellenére célszerű ugyanarról a mintáról több felvételt készíteni javasolt ismétlési szám 10 -, ezáltal csökkentve a hibaértéket. Az eredmények azt mutatják, hogy az SFD-t, mint mérőszámot, alkalmazni szeretnénk a burgonyafajták, nemesítési vonalak elkülönítésére, az objektív fajtaértékmeghatározásra, automatikus elemzési, minősítési folyamatok gyakorlati megvalósítására. Úgy azt jelenleg csak jól meghatározott, standard felvételezési körülmények között tehetjük meg. A következő körülményeket kell standardizálni a felvétel készítésekor: állandó intenzitást biztosító mesterséges fényforrás alkalmazása (körvakú), merőleges vetület biztosítása, közepes - 2544*1696 pixel - felbontás alkalmazása, azonos mintáról több felvétel készítése, csillogás mentesség biztosítása (nyers hússzín esetén, friss vágott felület leitatása),
a minta színétől nagyban eltérő homogén háttér biztosítása (kék, fekete, fehér), fix fókusztávolság alkalmazása. Burgonya fajták azonosítása és minősítése digitális képanalízis felhasználásával. A kidolgozott standard körülmények alkalmazásával 4 időszakra vonatkozóan elvégeztem a gumójellemzők felvételezését, és egy kiértékelő programmal meghatároztam a burgonya gumók 4 vizsgált állapotának héjszín, nyers hússzín, főtt hússzín, 24 órás szürkülés SFD értékeit az RGB szintérben, s annak minden alterében (R,G,B), 11 keszthelyi (Balatoni rózsa, Démon, Góliát, Hópehely, Katica, Kánkán, Lorett, Luca XL, Rioja, Vénusz Gold, White Lady)- és 2 kontrol (Cleopátra, Desiree) fajtára. A disszertáció készítése során összesen 2080 db képet, és 9160 db alapadatot dolgoztam fel. A kapott mérési adatokat statisztikai elemzésnek vetettem alá. Fajtánként és tulajdonságonként meghatároztam a mért adatok átlagát és szórását, meghatároztam a minimum~, maximum~, abszolút eltérés ~ és relatív eltérés értékeket. Eredményként megállapítható, hogy a tulajdonságok fajtán belüli minősítésére az SFD nem alkalmas, mivel a 13 fajtából 12 esetben a minimum és maximum értékek relatív eltérései nagyságrenddel nagyobbak voltak, mint a
legkisebb szignifikáns értékhez tartozó relatív eltérés. Ugyanez igaz a fajtán belüli évenkénti eltérésekre is. Az egytényezős~ és kéttényezős varianciaanalízis vizsgálatok eredményei azt mutatják, hogy a fajták a tulajdonságok alapján elkülöníthetők, kivétel a főtt hússzín és szürkült hússzín esetet. Az elkülöníthetőség mértéke különböző, legerősebb a 4 tulajdonság együttes értéke, de a 3 tulajdonság együttes értéke is nagyon jó elkülönítést ad. Az esetek nagy többségében a fajták és tulajdonságok között interakció is létezik. A fentiekből következően a párosított t-próba vizsgálat elvégezhető. A párosított t-próba vizsgálat eredményeként megállapítható az azonos fajták különböző évek közötti eltérésének vizsgálatakor, hogy az esetek nagy részében az azonos fajtán belül is szignifikáns különbségek vannak. Ezért azt a következtetést vonhattuk le, hogy a fajták azonosítását nem egy meghatározott SFD értékhez, hanem az adott év ismert SFD értékű kontrolljához kell viszonyítani. Az egyes fajták közötti eltérések évenkénti értékelésekor megállapítható, hogy függetlenül a tulajdonságtól vagy a vizsgált színtértől nincs olyan eset, melyben a fajta elkülönítés teljes egészében szignifikánsan megvalósulna. Minden évben van azonban olyan fajta, amely 100%-san elkülöníthető, de a fajták és tulajdonságaik évente változtak. Ugyanakkor az sem
jelenthető ki, hogy a különböző tulajdonságok és a színterek eredményeinek variációjával az elkülönítés nem lehetséges. Miután a szignifikancia vizsgálatok eredményei nem adtak teljes körű elkülönítést, újabb statisztikai módszerekre van szükség. Az egyik módszer a nem-hierarchikus klaszteranalízis. A módszer eredményeként a fajták elkülönítése minden évben sikerrel megtörtént. A 4 vizsgált tulajdonság együttes értékének (TFV) és egy másik szintér adatainak összevetésével az elkülönítés teljes lesz. További módszerként a főkomponens analízissel is elvégeztem az adatok vizsgálatát. Ennek eredményei nagyon jó összhangban vannak a párosított t-próba eredményeivel, a fajták páronkénti elkülöníthetősége ugyan különböző mértékben megvalósítható. A fentieket összefoglalva kijelenthető, hogy a Spektrális Fraktál Dimenzió (SFD), mint képelemzési eljárás a jelenlegi technológiai színvonalon a fajtán belül nem alkalmas minőségi különbségek jellemzésére. Ugyanakkor megállapítható, hogy az SFD érték alkalmas az egyes burgonyafajták elkülönítésére, de azt megbízhatóan csak az azonos évi kontrol felvételezéshez viszonyítva lehet kivitelezni. Ennél fogva kijelenthető, hogy a célul kitűzött feladat megvalósítható, de az SFD - mint burgonya tulajdonságot - gyakorlati alkalmazhatóságát tovább kell vizsgálni.
A dolgozat második fontos célkitűzése egy speciálisan a keszthelyi burgonyanemesítési program számára alkalmas kísérleti adat nyilvántartó, lekérdezhető, elemzések végrehajtására alkalmas információs keretprogram létrehozása volt. A program alapját egy relációs modell létrehozása jelentette. Az így létrejött adatbázisra épülve a nemesítési nyilvántartó program keretrendszere sikeresen elkészült, a nemesítési adatokkal történő feltöltése folyamatban van.
1.. T É Z I S E K 1. Megállapítottuk, hogy az Spektrális Fraktál Dimenzió érték csak akkor lehet alkalmas bármilyen objektum jellemzésére, ha a digitális képelemzés kép-felvételezési és kép-kiértékelési módszere standardizált. 2. Megállapítottam a burgonya fajták digitális képanalíziséhez szükséges standardizált kép-felvételezési és kép-kiértékelési feltételeket. A standardon biztosítandó körülmények a következők: állandó intenzitást biztosító mesterséges fényforrás alkalmazása (körvakú); merőleges vetület biztosítása; közepes -2544*1696 pixel-felbontás alkalmazása; csillogás mentesség biztosítása (nyers hússzín vizsgálat esetén, friss vágott felület leitatása); azonos mintáról több felvétel készítése; fix fókusztávolság alkalmazása; a minta színétől nagyban eltérő homogén háttér biztosítása (kék, fekete, fehér). 3. Megállapítottam, hogy az SFD érték alkalmas a burgonyafajták éven belüli páronkénti elkülönítésére, de csak az azonos évi kontrol felvételezéshez viszonyítva. 4. Megállapítottam, hogy a jelenlegi technológiai színvonalon a Spektrális Fraktál Dimenzió érték nem alkalmas a vizsgált gumójellemzők fajtán belüli minősítésre. 5. A keszthelyi burgonyanemesítési program számára sikerrel kidolgoztam egy a kísérleti adatok tárolására,
komplex lekérdezésére és elemzésére alkalmas digitális adatbázist, és a nemesítési tevékenységet nyilvántartó program keretrendszerét.
2.. THESES 1. It was stated that SFD value can only be suitable for characterizing any objects if the conditions of taking photos and their analysis are fixed. 2. I have stated the standardized image-taking and image-evaluating conditions necessary to the digital image-analysis of potato-varieties. The circumstances to be provided by standard are the following: application of an artificial source of light that can provide constant intensity ( circle flash ) to provide a perpendicular projection applying a medium - 2544*1696 pixel - resolution providing the exemption of glittering taking several shots of the same samples applying a fixed focal length providing the homogenous background different from the colour of sample ( blue, black, white ) 3. The identification of potato varieties can only be achieved by taking data from controls from identical years might show differences depending on the variety. 4. I have stated that the SFD value is suitable for identifying potato-varieties in pairs within a year, but only compared to the control samples of the same year. 5. For the improvement of potato breeding program in Keszthely, successfully has been made a frameprogram, the basis of which is the creation of a relational model and database. The program can be
used to store experiment data, for complex queries and the analysis of experiments.
3.. THESEN 1. Wir haben festgestellt, dass der SFD-Wert zur Charakterisierung eines Objekts nur dann geeignet sein kann, wenn die Bedingungen der Aufnahme und der Bildanalyse standardisiert sind. 2. Ich stellte die Bedingungen zur digitalen Bildanalyse der notwendigen standardisierten Bildaufnahmen und Bildauswertung der Kartoffelsorten fest. Die folgende Anforderungen sollen gesichert werden: Künstliche Lichtquelle mit unveränderten Helligkeit und Homogenität (Ringblitz), Senkrechte Projektion, Mittelgroße Auflösung (2544 x 1696 Pixel), Vermeidung von blendenden und schillernden Oberflächen (trockentupfen der Schnittfläche), Mehrfach wiederholte Aufnahmen von jeden Mustern Verwendung vom konstanten Fokus, Stark abweichende homogene Hintergrundfarbe (blau, schwarz, weiss). 3. Ich stellte fest, dass der SFD-Wert zur Absonderung der Kartoffelsorten paarweise im gleichen Jahr geeignet ist, aber nur im Verhältnis mit der Kontrollaufnahme gleichen Jahres. 4. Ich habe festgestellt, dass der Spektrale Fraktale Dimension-Wert auf dem gegenwärtigen
technologischen Niveau zur Qualifikation innerhalb der Sorte nicht geeignet ist. 5. Für das Keszthelyer Kartoffelveredlungsprogramm wurden ein digitales Datenbanksystem, das zum Speichern von Versuchsdaten, zum komplexen Abrufen und Analyse geeignet ist und das Rahmensystem des Veredlungstätigkeit registrierenden Programmes mit Erfolg ausgearbeitet.
Publikációk Tananyagfejlesztések: 1. Csák, M.: (2004): MAMIKA Elektronikus Tananyaggyűjtemény: Az Európai Unió stratégiai programjának helyzete Magyarországon, Keszthely, ISBN 963 9096 84 9 Bíráló, lektori tevékenység 2. Kupcsikné Fitus Ilona (2001): Leonardo da Vinci (az Európai Bizottság szakmai képzési programja) Kísérleti projekt Az AIFSZ szakok tartalmi és módszertani továbbfejlesztésére. Tantárgy: Informatikai ismeretek, Tananyag: Adatbázis-kezelés II., Tantárgy: Informatikai felsőfokú ismeretek, Tananyag: Adatbázis-kezelés III. Lektorált idegen nyelvű elektronikus publikációk: 1. Csák, M. Hegedűs, G. Polgár, Zs. - Fischl, G. Berke, J. (2005): Integrated information system of potato breeding and qualification, XI. European Conference Information Systems in Agriculture and Forestry, Prague ISBN 80-213-1337-4 http://www.iszl.cz/_zaloha2005/files/prezentation/u niversity_of_veszprem_01.ppt Lektorált idegen nyelvű publikációk: 1. Csák, M. - Hegedűs, G. Polgár, Zs. (2010): Identification of Potato Genotypes by Using Digital Image Analysis, Journal of Central European Agriculture (JCEA) Lektorált magyar nyelvű publikációk: 1. Csák M. - Hegedűs G. (2008): Az SFD mérésként való alkalmazhatósága a burgonyanemesítési kutatásokban, Acta Agraria Kaposváriensis, Vol 12, No 2, pp. 177-191
2. Nagy S. - Csák M. - Polgár Zs. - Busznyák J. - Berke J. (2004): Az EMOR kutatási program és a projektben alkalmazott integrált csoportmunka támogatási rendszere, III. Alkalmazott Informatika Konferencia, Kaposvár Idegen nyelvű konferencia előadások: 1. Csák, M. Hegedűs, G. (2008): The SFD opportunity of applicable in a potato improvement research, XIV. European Conference Information Systems in Agriculture and Forestry, Prague ISBN 978-80-213-1785-7 2. Nagy, S. Csák, M. Hegedűs, G. Busznyák, J. Szolcsányi, É. Berke, J. (2003): Server and Client side implementation of Zala county Geographic Information System. IX. European Conference Information Systems in Agriculture and Forestry, Sec, March, 11-12. 3. Nagy, S. Csák, M. Hegedűs, G. Busznyák, J. Szolcsányi, É. Berke, J. (2002): Server side implementation of the Zala county Geographic Information System. Mobile Information Systems in Agriculture. Keszthely, p. 18 4. Csák, M. Nagy, S. Hegedűs, G. Busznyák, J. Szolcsányi, É. Berke, J. (2002): Client side implementation of the Zala county Geographic Information System. Mobile Information Systems in Agriculture. Keszthely, p. 18 Magyar nyelvű konferencia előadások: 1. Csák M. - Hegedűs G. (2010): Burgonya fajták azonosítása és minősítése digitális képanalízis felhasználásával, VIII. Alkalmazott Informatika Konferencia, Kaposvár 2. Csák M. - Hegedűs G. - Berke J. - Polgár Zs. (2007): Képfeldolgozási módszerek a burgonyanemesítési kutatásokban, Növényvédelmi Fórum, Keszthely
3. Csák M. - Hegedűs G. - Berke J. - Polgár Zs. (2006): Képfeldolgozási módszerek a burgonyanemesítési kutatásokban, V. Alkalmazott Informatika Konferencia, Kaposvár 4. Nagy S. - Csák M. - Polgár ZS. - Busznyák J. - Berke J. (2005): Az EMOR kutatási program és a projektben alkalmazott integrált csoportmunka támogatási rendszere, III. Alkalmazott Informatika Konferencia, Kaposvár