Field Server (ตอนที่ 4): การแยกส่วนบริเวณที่สนใจ “แปลงข้าว” จากรูปภาพที่บันทึกด้วย Field Server

ในตอนที่ผ่านมา แสดงให้เห็นถึงวิธีการคำนวณชีพลักษณ์พืชพรรณ (Vegetation Phenology) ที่ได้จากแปลงข้าว ซึ่งทำให้เราทราบว่า ดัชนีพืชพรรณ (Vegetation Index) ที่ใช้ในการหาระดับความเขียวของแต่ละภาพ คือ ดัชนีแบบ Excessive Green (ExG) โดยสามารถคำนวณจากช่วงความยาวคลื่นที่มนุษย์มองเห็น (Visible wavelength) หรือ RGB นั่นเอง สำหรับในกระบวนการที่เราใช้คำนวณค่าดัชนีพืชพรรณของรูปภาพที่ได้จาก Field Server แต่ละภาพนั้น   เพื่อให้ค่าที่ได้ สามารถนำมาใช้ได้อย่างมีประสิทธิภาพ เราจำเป็นต้องเลือกเฉพาะบริเวณแปลงข้าว (แยกส่วนที่ไม่ใช่แปลงข้าวออกไป) เท่านั้น แสดงในรูปที่ 1

รูปที่ 1 รูปภาพที่บันทึกได้จาก Field Server ประกอบด้วย บริเวณ “แปลงข้าว” และ “ไม่ใช่แปลงข้าว”
รูปที่ 1 รูปภาพที่บันทึกได้จาก Field Server ประกอบด้วย บริเวณ “แปลงข้าว” และ “ไม่ใช่แปลงข้าว”

ในตอนนี้ จะอธิบายวิธีการพื้นฐานที่ใช้ในการแยกส่วนบริเวณสนใจ (AOI: Area of Interest) จากรูปภาพ ซึ่งก็คือ “แปลงข้าว” นั่นเอง เราคงจะจำกันได้จากตอนที่แล้วว่า แต่ละจุดภาพสามารถถูกคำนวณไปสู่ค่าดัชนีพืชพรรณแบบ ExG ได้ แสดงในรูปภาพที่ 2 (ซ้าย) ซึ่งเราจะเห็นได้ว่า บริเวณจุดภาพกลุ่มที่เป็นแปลงข้าว จะมีค่า ExG (โดยประมาณ) มากกว่า 0.2 เมื่อพิจารณาจากรูปภาพแปลงข้าวในสถานะเจริญเติบโต (มีความเป็นสีเขียวมาก) ซึ่งเมื่อทำการเลือกกลุ่มของจุดภาพที่มีค่า ExG มากกว่า 0.2 โดยกำหนดให้ส่วนที่ไม่อยู่ในเงื่อนไขดังกล่าวเป็นจุดภาพสีดำ จะได้ผลลัพธ์ดังรูปที่ 2 (ขวา)

รูปที่ 2 รูปภาพ Field Server ถูกคำนวณและแทนด้วยค่า ExG สำหรับแต่ละจุดภาพ (ซ้าย)
รูปที่ 2 รูปภาพ Field Server ถูกคำนวณและแทนด้วยค่า ExG สำหรับแต่ละจุดภาพ (ซ้าย) เมื่อพิจารณาค่า ExG มากกว่า 0.2 จะได้กลุ่มจุดภาพบริเวณแปลงข้าว (ขวา)

ผลที่ได้จะแสดงกลุ่มจุดภาพส่วนใหญ่ของแปลงข้าว ซึ่งเป็นบริเวณที่สนใจ (AOI) หากต้องการเพิ่มความความถูกต้องของการเลือกบริเวณ สามารถทำได้โดยใช้วิธีการประมวลผลภาพพื้นฐาน คือ การทำไดเลชัน (dilation) และ อีโรชัน (erosion) ซึ่งจะเป็นการลดสัญญาณรบกวนที่มีขนาดจุดเล็กๆ หรือ มีชื่อเรียกว่า Pepper noise นั่นเอง โดยรูปที่ 3 แสดงผลของการประมวลภาพเพื่อลดสัญญาญรบกวนดังกล่าว ในขั้นตอนหลังจากนี้ บริเวณที่กลุ่มจุดภาพที่ใหญ่ที่สุดจะถูกเลือกเพื่อมาใช้กำหนดบริเวณแปลงข้าว โดยที่กลุ่มจุดภาพอื่นๆ จะถูกละทิ้ง

รูปที่ 3 ผลลัพธ์ของการลดสัญญาณรบกวน และการเลือกบริเวณที่ใหญ่ที่สุดเป็น “บริเวณสนใจ” (แปลงข้าว)
รูปที่ 3 ผลลัพธ์ของการลดสัญญาณรบกวน และการเลือกบริเวณที่ใหญ่ที่สุดเป็น “บริเวณสนใจ” (แปลงข้าว)

ในตอนหน้า เราจะมาติดตามกันว่า กราฟชีพลักษณ์พืชพรรณ สามารถนำมาประมวลผลอย่างไร เพื่อให้ได้เป็นปฎิทินเพาะปลูกข้าว ทราบถึง วันเริ่มต้นและวันสิ้นสุดของรอบการเพาะปลูก … แล้วพบกันครับ …

Note

  • ขั้นตอนการแยกส่วนแปลงข้าว จะเป็นขั้นตอนแรก ก่อนที่แต่ละภาพจะถูกคำนวณเป็น “ค่าดัชนีพืชพรรณเฉลี่ย” เพื่อนำมาสร้างเป็น “กราฟชีพลักษณ์พืชพรรณ” ในลำดับต่อไป
  • AOI บริเวณแปลงข้าว จะถูกกำหนดด้วย Binary mask เพื่อทราบว่าจุดภาพใด “ใช่” หรือ “ไม่ใช่” แปลงข้าว จากนั้นจุดภาพแปลงข้าวทุกจุด จะถูกคำนวณเป็นค่าดัชนีพืชพรรณ และนำมาหาค่า “ดัชนีพืชพรรณเฉลี่ย” สำหรับรูปภาพแต่ละรูป
  • การใช้ “ค่าดัชนีพืชพรรณเฉลี่ย” ของทั้งแปลงข้าว ทำให้มีความทนทานต่อสัญญาณรบกวน ได้ดีกว่าการเลือกใช้ กลุ่มจุดภาพ บริเวณใดบริเวณหนึ่ง
  • การแยกส่วน (Segmentation) บริเวณแปลงข้าวที่อธิบายในข้างต้น ถือเป็นวิธีการแบบพื้นฐานอย่างง่าย ซึ่งในปัจจุบันมีวิธีการที่มีประสิทธิภาพและแม่นยำกว่านี้มาก โดยผู้อ่านที่สนใจสามารถค้นคว้าเพิ่มเติม โดยใช้ Keyword คำว่า “image segmentation”

เอกสารอ้างอิง

  1. N. Soontranon, P. Srestasathiern and P. Rakwatin, “Rice Growing Stage Monitoring in Small-scale Region Using ExG Vegetation Index”, in ECTI-CON 2014, Nakhon Ratchasima, Thailand.
  2. 2. N. Soontranon, P. Tangpattanakul, P. Srestasathiern and P. Rakwatin, “An Agricultural Monitoring System: Field Server Data Collection and Analysis on Paddy Field”, in ISCIT 2014, Incheon, Korea.

 

Field Server: ระบบเก็บข้อมูลสภาพอากาศและรูปภาพรายวันจากแปลงเกษตรกรรม (ตอนที่ 1) 

Field Server: ระบบเก็บข้อมูลสภาพอากาศและรูปภาพรายวันจากแปลงเกษตรกรรม (ตอนที่ 2)

Field Server: ระบบเก็บข้อมูลสภาพอากาศและรูปภาพรายวันจากแปลงเกษตรกรรม (ตอนที่ 3)

 

Leave a Reply

Your email address will not be published. Required fields are marked *