Проблема автоматизации дендрохронологических измерений: современные подходы к решению

В данной работе рассматривается проблема автоматизации дендрохронологических измерений. Древесно-кольцевой анализ требует предварительного определения границ годичных колец, что традиционно выполняется вручную с использованием стереоскопа, подвижного стола и регистратора данных. Однако этот процесс отнимает много времени и очень обременителен, особенно в случае наличия длинных древесно-кольцевых рядов. Разработка полностью автоматического, универсального метода определения границ годичных колец представляет собой сложную задачу, связанную с разнообразием типов анатомических структур разных видов деревьев. Существует несколько подходов к автоматическому обнаружению границ колец; однако они используют базовые методы обработки изображений (основанные на первой производной изображения): фильтр Собеля, детектор границ Кэнни и др. В результате их точность ограничена, а их применение возможно только для древесины хвойных пород, где границы годичных колец четко определены. Также существует коммерческое программное обеспечение, однако ни одно не является универсальным, поскольку они не работают применительно к кольцесосудистым породам древесины. Недавние разработки в области машинного обучения все больше доказывают, что ручной выбор признаков может быть успешно заменен автоматическим. В частности, в нескольких зарубежных работах стали успешно применять сверточные нейронные сети (CNN) в идентификации, распознавании и обучении признаков, в чем они продемонстрировали довольно высокую производительность. Более того, поскольку CNN способны идентифицировать функции, недоступные человеческому восприятию, в некоторых приложениях изученные функции позволяют превзойти человеческую точность. Кроме того, их применение не требует априорных знаний о внешнем виде границ годичных колец, что делает метод универсальным для любой породы древесины. Единственным их недостатком является тот факт, что обучение нейронных сетей занимает довольно много времени. Однако следует помнить, что данный процесс необходимо проводить только один раз.