Описание концепции и методологии.

Задание класса образа перечислением образов, входящих в его состав, предполагает реализацию процесса автоматического распознавания образов посредством сравнения с эталоном. Множество образов, принадлежащих одному классу, запоминается системой распознавания. При предъявлении системе незнакомых (новых) образов она последовательно сравнивает их с образами, хранящимися в ее памяти. Система распознавания образов относит новый образ к тому классу, к которому принадлежал находящийся в памяти системы образ, совпавший с новым. Задание класса с помощью свойств, общих для всех входящих в его состав членов, предусматривает реализацию процесса автоматического распознавания путем выделения подобных признаков и работы с ними. Очевидно, что эта концепция распознавания во многих отношениях превосходит распознавание по принципу перечисления членов класса. Для запоминания признаков класса требуется значительно меньше памяти, чем для хранения всех объектов, входящих в класс. Поскольку признаки, характеризующие класс в целом, обладают инвариантностью, принцип сопоставления признаков допускает вариацию характеристик отдельных образов. Процедура сопоставления с эталоном, с другой стороны, не допускает существенных вариаций характеристик отдельных образов.

Пример алгоритма распознавания на рисунке.

База знаний и машинное обучение.

Для успешной реализации распознавания конкретных микроорганизмов нам понадобится База Знаний.

База знаний — это особого рода база данных, разработанная для управления знаниями (метаданными), то есть сбором, хранением, поиском и выдачей знаний.

Под базами знаний понимается совокупность фактов и правил вывода, допускающих логический вывод и осмысленную обработку информации. Они описываются в форме конкретных фактов и правил логического вывода над базами данных и процедурами обработки информации, представляющих сведения и знания о людях, предметах, фактах событиях и процессах в логической форме (существенное отличие базы от архива). Наиболее важным свойством информации, хранящейся в базах знаний, является достоверность конкретных и обобщенных сведений в базе данных и релевантности информации, получаемой с использованием правил вывода, заложенных в базу знаний. В ответах на простейшие запросы к базам знаний выдается значения «истина» и «ложь» в зависимости от наличия соответствующих фактов.

Наиболее важный параметр БЗ — качество содержащихся знаний.

Для качественного распознавания искомых микроорганизмов в программную Базу Знаний следует занести требуемые для определения классы микроорганизмов и характеристики их колоний.

Если отдельная колония отличается от других хотя бы по одной характеристики на уровне ДА – НЕТ, то при наличии для нее, допустим, 17 характеристик, эффективность распознавания составит порядка 524288. Другими словами система различит ее из совокупности 524288 наблюдаемых колоний.

Проект аппаратурно-программного комплекса, который будет выполнять все функции по распознаванию микроорганизмов, включает в себя, прибор-термостат для инкубации, электронный микроскоп и вычислительную машину. Сначала проба инкубируется, после чего делается снимок микроскопом, а затем данные попадают в бортовой компьютер, который выдает нужный результат.

Задача распознавания образов микроорганизмов часто является "первым шагом", предобработкой в процессе решения задачи "более высокого уровня" (например узнавания микроорганизмов).

Задача обнаружения микроорганизмов на изображении является более чем простой для человеческого зрения, однако при попытке построения автоматической системы обнаружения микроорганизмов приходится столкнуться со следующими сложностями:

· Сильно варьирующийся внешний вид у разных микроорганизмов;

· Возможное присутствие индивидуальных особенностей существенно осложняет автоматическое распознавание;

· Условия съемки (освещение, цветовой баланс камеры, искажения изображения, привносимые оптикой системы, качество изображения) в значительной степени влияют на получающееся изображение микроорганизмов;

Существующие алгоритмы обнаружения микроорганизмов можно разбить на две широкие категории. К первой категории относятся методы, отталкивающиеся от опыта человека в распознавании микроорганизмов и делающие попытку формализовать и алгоритмизовать этот опыт, построив на его основе математическую модель распознавания. Вторая категория опирается на инструментарий распознавания образов, рассматривая задачу обнаружения микроорганизмов, как частный случай задачи распознавания. Рассмотрим подробно методы, реализующиеся в системе распознавания образов в медико-биологической практике.