Semi-automated counting model for arbuscular mycorrhizal fungi spores using the Circle Hough Transform and an artificial neural network

Abstract

Arbuscular Mycorrhizae (AM) are mutualistic associations between Arbuscular Mycorrhizal Fungi (AMF) and the roots of many plant species. AMF spores give rise to filaments that develop in the root system of plants and contribute to the absorption of water and some nutrients. This article introduces a semi-automated counting model of AMF spores in slide images based on Artificial Neural Network (ANN). The semi-automated counting of AMF spores facilitates and accelerates the tasks of researchers, who still do the AMF spore counting manually. We built a representative database of spore images, processing images through the Circle Hough Transform (CHT) method and training an ANN to classify patterns automatically. The classification analysis and the performances of the proposed method against the manual method are presented in this paper. The accuracy for the identification of spores by CHT in conjunction to ANN classification in the images was 90%. The results indicate that this method can accurately detect the presence of AMF spores in images as well as count them with a high level of confidence.

Micorrizas arbusculares y las técnicas de visión artificial para su identificación

“…Se indica que la clasificación se apoya con el empleo de un perceptrón simple. Por otro lado, Melo et al [50] establecieron un nuevo análisis de las micorrizas obtenidas en la base de datos, determinando nuevos aspectos que no se tuvieron en cuenta anteriormente, de esta forma descartaron características discrepantes, considerando que la gran mayoría de HFMA, poseen una coloración uniforme con tonalidades de amarillo a café oscuro, por lo tanto, fue necesario, la implementación de un perceptrón multicapa apoyando la red neuronal en el proceso de separación de ocurrencias teniendo en cuenta la coloración de estos, por último, se realizó un nuevo entrenamiento, dando como resultado un 90 % de precisión, comparado con el conteo manual y superior al modelo presentando inicialmente.…”

“…Cabe indicar que, en [49] y [50] la transformada de Hough se emplea por su eficiencia en el proceso de reconocimiento y localización de formas circulares en la imagen, como son las esporas de los HFMA, incluso identificando curvas, aún si son apenas visibles. En ese sentido, se señala que la técnica no falla detectando las curvas en la imagen que representan las esporas, sin embargo, también detecta curvas de materiales no deseados presentes en las imágenes, por lo cual, se ve la necesidad entrenan redes neuronales artificiales a modo de clasificadores, que auxilian la toma de decisiones y determinar si el objeto detectado es una espora de hongo o no.…”

“…artificiales Clasificación [50] Transformada de Hough Segmentación La obtención de las imágenes empleadas como base de datos, se realizó a partir de [49].…”

Center detection algorithm for printed circuit board circular marks based on image space and parameter space

“…Kumar et al 14 presents a circle HT structure for accurate iris localisation. De Melo et al 15 processes images through the circle HT (CHT) method to count arbuscular mycorrhizal fungi automatically with neural networks. The CHT is a fundamental extracting features approach for detecting circle in defective pictures in image processing.…”

“…presents a circle HT structure for accurate iris localisation. De Melo et al 15 . processes images through the circle HT (CHT) method to count arbuscular mycorrhizal fungi automatically with neural networks.…”