Program for automatic clustering of numerous (over 1000) images of pollen grains obtained using an optical microscope in Python, for learning the LeNet convolutional neural network

Abstract

Рассматривается способ сортировки изображений пыльцевых зерен на этапе предобработки для формирования выборки для обучения сверточной нейронной сети LeNet. На python разработана программа кадрирования изображения пыльцы, полученного с помощью оптического микроскопа, ImageSplitter, с помощью которой было кадрировано изображение полифлорного меда на 1131 изображение размером 128 ´ 128 пикселей при шаге скользящего окна 32 пикселя. На python разработана программа первичной классификации, позволяющая отсортировывать пустые изображения от непустых посредством задачи условий и интервалов степени заполненности черным. Проведено исследование на возможность сортировки непустых изображений на три класса по проценту заполненности черным. Вычисляется доля черных точек среди всех Perimeter total (т. е. критерий занятой зерном площади кадра), доля черных точек среди точек на границах – критерий занятого зерном периметра кадра – Perimeter black и в процентном соотношении Perimeter percentage. Осуществлялась инвертированная пороговая бинаризация  для выделения объектов. Были получены следующие результаты: в промежутке от 0 до 30 программа не вывела никаких изображений, т. е. папка output_result_0-30 оказалась пустой; в промежутке от 31–60 программа классифицировала 4 изображения, т. е. в папке output_result_31-60 оказалось 4 изображения; в промежутке 61–99 программа классифицировала 130 изображений.