. В статье представлены результаты разработки и исследования методов для создания 3D-моделей растений, выращиваемых в условиях in vitro. В комплексе они решают проблемы, возникающие в процессе исследований растений в пробирке, связанные со сложностью структуры растения, возникновением искажений на границах пробирки, ее возможным запотеванием, а также влиянием человеческого фактора. Создан банк из 792 единиц 3D-моделей для растений шести видов, позволяющий проводить имитационные эксперименты для выявления причинно-следственных связей, осуществления прогнозирования и получения новых знаний. Проведена проверка разработанных методов на адекватность. Представлены примеры их использования для конкретного растения.
Идентификаторы и классификаторы
Настоящее время характеризуется глубоким проникновением цифровых технологий и средств автоматизации при проведении междисциплинарных исследований для получения новых знаний об исследуемых процессах, объектах или явлениях.
Так, перспективный биотехнологический процесс – микроклональное размножение растений (вегетативный способ размножения растений с использованием технологии in vitro) обеспечивает возможность получения генетически однородного посадочного материала без бактериальных и грибных инфекций; сокращает продолжительность селекционного процесса; делает возможным размножение редких и труднокультивируемых традиционными способами растений, обеспечивает его высокий коэффициент. Однако для ускоренного размножения и получения качественного посадочного материала в условиях in vitro необходимо осуществлять подбор оптимального состава питательных сред и параметров окружающей среды на каждой стадии развития растений индивидуально для каждой культуры и даже для отдельных сортов. Это требует точной регистрации морфометрических показателей прироста отдельных частей, органов растений и растений в целом, культивируемых на разных питательных средах, что связано с необходимостью объективной регистрации и обработкой одновременно большого количества данных, снижения влияния человеческого фактора. Данная проблемная задача может быть решена на основе внедрения цифрового фенотипирования с использованием построения и анализа 3Dмоделей растений [1-3].
Список литературы
1. Chéné Y. On the use of depth camera for 3D phenotyping of entire plants / Y. Chéné, D. Rousseau, P. Lucidarme, J. Bertheloot, V. Caffier, P. Morel, F. Chapeau-Blondeau // Computers and Electronics in Agriculture. 2012. Vol. 82. P. 122-127.
2. Chaudhury A. Machine vision system for 3D plant pheno- typing / A. Chaudhury, C. Ward, A. Talasaz, A.G. Ivanov, M. Brophy, B. Grodzinski, J.L. Barron // IEEE/ACM transactions on computational biology and bioinformatics. 2018. Vol. 16. №. 6. P. 2009-2022.
3. Berezhnoy V.A. Approaches for Automated Monitoring and Evaluation of In Vitro Plant’s Morphometric Parameters / V.A. Berezhnoy, O.A. Ivashchuk, Y.N. Maslakov, V.I. Fedorov, V.M. Yacenko // Journal of Computational and Theoretical Nanoscience. 2020. Vol. 17. №. 9-10. P. 4725-4732. EDN: KDYCMS
4. Бережной В.А., Обзор методов и алгоритмов автоматизированных систем фенотипирования растений. / В.А. Бережной, О.А. Иващук, Д.С. Семенов // Современные наукоемкие технологии. 2021. № 4. С. 111-116. EDN: IIAWKD
5. Automatic plant leaf classification for a mobile field guide / D. Knight, J. Painter, M. Potter // Rapport technique. Université de Stanford, 2010. - URL: https://stacks.stanford.edu/file/druid:bj600br8916/Knight_Painter_Potter_PlantLeafClas sification.pdf (date of the application 20.10.2021).
6. 3D leaf tracking for plant growth monitoring / W. Gélard, A. Herbulot, M. Devy, P. Casadebaig // 2018 25th IEEE International Conference on Image Processing (ICIP, Athens, Greece, 7-10 Oct. 2018 / IEEE Systems, Man, and Cybernetics Society, Institute of Electrical and Electronics Engineers. Piscataway. New Jersey. 2018: conference proceedings. URL: https://ieeexplore.ieee.org/abstract/document/8451553 (date of the application 20.10.2021).
7. Plant Species Recognition Methods using Leaf Image: Overview / S. Zhang, W. Huang, Y. A. Approaches to three-dimensional reconstruction of plant shoot topology and geometry /j. A. Gibbs, M. Pound, A. P. French [et al.] // Functional Plant Biology. 2017. Vol. 44, №. 1. P. 62-75.
8. Huang, C. Zhang // Neurocomputing. 2020. Vol. 408. P. 246-272.
9. 3D reconstruction methods for digital preservation of cultural heritage: A survey / L. Gomes, O. R. P. Bellon, L. Silva // Pattern Recognition Letters. 2014. Vol. 50. P. 3-14.
10. Shape-from-shading: A survey [Text] / R. Zhang, P. S. Tsai, J. E. Cryer, M. Shah // IEEE Transactions on Pattern Analysis and Machine Intelligence/ IEEE Systems, Man, and Cybernetics Society, Institute of Electrical and Electronics Engineers. Piscataway. New Jersey. 1999. URL: https://ieeexplore.ieee.org/abstract/document/784284 (date of the application 26.06.2021).
11. Shape-from-silhouette across time part i: Theory and algorithms / S. Baker, T. Kanade // International Journal of Computer Vision. - 2005. - Vol. 62, №. 3. - P. 221-247.
The visual hull: A new tool for contour-based image understanding / A. Laurentini // In Proceedings of the Seventh Scandinavian Conference on Image Analysis. 1991. Vol. 993. P. 1002.
12. A stochastic approach to stereo vision / S. T Barnard // Readings in Computer Vision. - Morgan Kaufmann. 1987. P. 21-25.
13. Cheprasov, D. E. Postroenie 3D modeli po neuporia- dochennoi kollektsii izobrazhenii / D. E. Cheprasov // Fundamentalnaia informatika i informatsionnye tekhnologii: SPbGU. 2016. P. 1-47.
14. Scene reconstruction from multiple uncalibrated views / T. Kanade, M. Han // Carnegie Mellon University: Pittsburgh, USA. - 2000. - URL: http://www.tka4.org/materials/study/5%20sem/%23Spec%20Sem/Mat%20Metody%20Obrabotki%20Izobrajeniy/Doklad%202/h4.pdf (date of the application 26.06.2021).
Выпуск
Другие статьи выпуска
Рассмотрены основные проблемы, связанные с оперативным выявлением очагов лесных пожаров и сопровождающих их задымлений на основе применения автономных беспилотных летательных аппаратов. Разработан метод поиска лесных пожаров по локально-оптимальному маршруту полета в условиях неопределенности. Сформулирован ряд оригинальных положений математического аппарата нечетких множеств, позволяющих сформировать для автономного беспилотного летательного аппарата эффективную информационно-аналитическую модель ситуационно-командного управления движением по строящемуся в реальном времени маршруту полета. Создана модель представления и обработки знаний, обеспечивающая на ее основе возможность автоматического синтеза логико-трансформационных правил вывода ситуационно-командного управления движением летательного аппарата. Показано, что предложенный принцип построения информационно-аналитической модели позволяет снизить сложность решения задачи выбора эффективных команд за счет существенного сокращения количества сравнений текущей проблемной ситуации на объекте с эталонными проблемными ситуациями в процессе вывода решений.
Современные роботы позволяют решать широкий спектр задач при совместной деятельности с человеком. При этом робот может получать команды от человека через различные системы управления, а также с помощью естественного языка. Выражения на естественном языке обладают значительной многозначностью (омонимией). В статье показано, какими методами обрабатываются высказывания и решается возникающая омонимия при речевом управлении роботом в естественной или виртуальной среде.
В статье изложены принципы разработанного алгоритма выявления трендов на основе анализа больших текстовых данных и представления результата в удобных для лиц принимающих решения (ЛПР) форматах, реализованных в системе интеллектуального анализа больших данных iFORA. Дается обзор существующих алгоритмов текстовой аналитики. Излагается предлагаемая и апробированная на десятках реализованных проектов математическая основа для выявления терминов, означающих тренды. Описываются подходы к кластеризации терминов на основе их векторов в пространстве Word2vec. Приводятся примеры двух ключевых визуализаций (семантические, тренд-карты), дающих представление о круге тем и трендах, характеризующих конкретную исследуемую область, как способ адаптации результатов анализа к задачам ЛПР. Обсуждаются ограничения и преимущества использования предложенного подхода для поддержки принятия решений, предлагаются направления для будущих исследований.
Многие современные средcтва Машинного обучения (МО) работают недостаточно эффективно, ввиду выраженной нелинейности изменения трафика и нестационарности. В этих условиях выделяется задача прогнозирования признаков приращений (направления изменения) процесса временных рядов. В статье предлагается использовать некоторые результаты теории случайных процессов для быстрой оценки предсказуемости знаков приращений с приемлемой точностью. Предлагаемая процедура представляет собой простое эвристическое правило предсказания приращения двух соседних значений случайной последовательности. Показывается связь данного подхода для временных рядов с известными подходами предсказания двоичных последовательностей. Рассматривается возможность использования опыта прогнозирования абсолютных значений трафика при прогнозировании знака изменения.
В статье представлена облачная платформа IACPaaS, предназначенная для создания интеллектуальных сервисов на основе онтологий, а также концептуальные идеи, лежащие в основе ее разработки. Описаны основные особенности и опыт использования поддерживаемых технологий создания интеллектуальных сервисов различных типов. На платформе реализована развитая инструментальная поддержка разработки всех компонентов интеллектуальных сервисов. Изначально она позиционировалась как среда для создания облачных систем с базами знаний, сейчас же рассматривается как инструментарий разработки программ на основе онтологий, имеющих семантическое представление.
В статье рассмотрены средства концептуального проектирования сложных технических систем. Построена квазиаксиоматическая теория, формализующая процедуры порождения смысла для естественно-языкового описания процесса создания нового технического решения. Введены семантические категории, структуры универсальных множеств, операции сравнения элементов универсума. Описаны типы соединения элементарных подсистем. Предложена формализация процедуры многоуровневого синтеза технической системы с использованием порождающей грамматики над нечеткими структурами. Приведен пример проектирования технического устройства.
Предложен метод сравнения моноинтервальных альтернатив, позволяющий попарно сопоставлять по эффективности альтернативы с произвольными распределениями рисков на интервальных оценках показателей их качества. Применение метода продемонстрировано на примерах. Даны рекомендации по практическому использованию метода.
Описываются методы решения антагонистической игры в условиях нарушения принципов «общих знаний», когда игроки демонстрируют неполные методы возможных решений и соответствующую значимость противоположной стороны. В качестве формальной игровой модели предлагается использовать нечетко-множественные представления оценок возможностей использования игроками их стратегий и соответствующих последствий. Решение задачи основано на преобразовании нечетких оценок возможных результатов решений для каждой ситуации в форму эквивалентного нечеткого количества с треугольной регулируемой аппаратурой. Разработанный метод не накладывает ограничений на вид исходных нечетных данных. Помимо выбора наилучшего решения, повышается его результат и возможности реализации.
Рассматривается задача многокритериального выбора в случае, когда предпочтения лица, принимающего решение (ЛПР), задаются нечетким бинарным отношением второго порядка. Описывается математическое обоснование алгоритма сужения множества Парето на основе нечетких квантов информации о предпочтениях ЛПР. Обсуждаются вопросы оптимизации алгоритма в важных для приложений случаях.
Рассматривается задача многокритериального выбора с числовой векторной функцией на подмножестве векторного пространства в предположении, что ЛПР в процессе выбора использует нечеткое отношение предпочтения. Считается известной информация об этом отношении в виде конечного набора нечетких квантов. Формулируется алгоритм, который за счет этой информации позволяет сузить множество Парето в задаче многокритериального выбора и, тем самым, облегчить окончательный выбор. Работа алгоритма иллюстрируется числовым примером.
Издательство
- Издательство
- ИУ РАН
- Регион
- Россия, Москва
- Почтовый адрес
- 119333, Москва, Вавилова, д.44, кор.2
- Юр. адрес
- 119333, Москва, Вавилова, д.44, кор.2
- ФИО
- Соколов Игорь Анатольевич (Директор)
- E-mail адрес
- frccsc@frccsc.ru
- Контактный телефон
- +7 (499) 1356274