Możliwości zastosowania oprogramowania DeltaPix InSight w procesie zliczania ziaren pyłku leszczyny, olszy i brzozy Praca oryginalna
##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Abstrakt
Niniejsza praca ma na celu ocenę możliwości zastosowania oprogramowania DeltaPix InSight do automatycznego rozpoznawania ziaren pyłku leszczyny (Corylus sp.), olszy (Alnus sp.) i brzozy (Betula sp.). Analiza dotyczyła danych dobowych ze stacji monitoringu we Wrocławiu i została przeprowadzona dla 2 tygodni sezonu 2023.
Oprogramowanie DeltaPix wykorzystywało 5 kryteriów do rozpoznawania ziaren pyłku, tj.: barwy ustalonej za pomocą trzech rang RGB, morfologii szukanych obiektów, jako etap preprocessingu oraz progów dotyczących powierzchni, kształtu i średnicy Fereta dla wyznaczonych przez program obszarów, które odpowiadają 2 pierwszym kryteriom.
Wyniki zliczania automatycznego porównano z wynikami obserwacji manualnej i podsumowano przy użyciu miar trafności prognoz. Przeprowadzona analiza wykazała, że zastosowanie 4 pierwszych kryteriów pozwala uzyskać najlepsze wyniki. Przy dołączeniu progu związanego ze średnicą Fereta oprogramowanie znacznie gorzej radziło sobie ze zliczaniem materiału pyłkowego. Rezultaty najbardziej zbliżone do wyników obserwacji manualnej udało się uzyskać przede wszystkim w czasie tygodnia, kiedy przeważał pyłek olszy oraz leszczyny. Znacznie gorsze wyniki dotyczą rozpoznawania brzozy ze względu na dużą liczbę ziaren, w tym podobnych do pyłku brzozy (np. dębu), a także zanieczyszczenia na preparacie (fragmenty roślin), co skutkowało licznymi fałszywymi sygnałami. Weryfikacja pozwoliła zidentyfikować główne zalety i wady oprogramowania oraz określić, kiedy może być ono pomocne w zliczaniu ziaren pyłku.
Pobrania
##plugins.themes.bootstrap3.article.details##
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne 4.0 Międzynarodowe.
Copyright: © Medical Education sp. z o.o. This is an Open Access article distributed under the terms of the Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). License (https://creativecommons.org/licenses/by-nc/4.0/), allowing third parties to copy and redistribute the material in any medium or format and to remix, transform, and build upon the material, provided the original work is properly cited and states its license.
Address reprint requests to: Medical Education, Marcin Kuźma (marcin.kuzma@mededu.pl)
Bibliografia
2. Pawankar R, Canonica GW, Holgate ST et al. White Book on Allergy. World Allergy Organization 2013: 242.
3. Kurganskiy A, Creer S, de Vere N et al. Predicting the severity of the grass pollen season and the effect of climate change in Northwest Europe. Sci Adv. 2021; 7(13): 11.
4. Baldacci S, Maio S, Cerrai S et al. Allergy and asthma: Effects of the exposure to particulate matter and biological allergens. Respir Med. 2015; 109(9): 1089-104.
5. Dbouk T, Visez N, Ali S et al. Risk assessment of pollen allergy in urban environments. Sci Rep. 2022; 12(1): 12.
6. Ziska LH. Temperature-related changes in airborne allergenic pollen abundance and seasonality across the northern hemisphere: a retrospective data analysis. Lancet Planet Health. 2019; 3(3): 124-31.
7. Weryszko-Chmielewska E. Aerobiologia. Wydawnictwo Akademii Rolniczej w Lublinie 2007: 156.
8. Stach A, Kasprzyk I. Metodyka badań zawartości pyłku roślin i zarodników grzybów w powietrzu z zastosowaniem aparatu Hirsta. Bogucki Wydawnictwo Naukowe, Poznań 2005: 16.
9. InSight Basic – Microscope software – DeltaPix (access: 31.07.2023).