こんにちは、JMP コミュニティです。
さまざまな演算子によって 3 つの異なるグループ (不良、良好、不明) に分類された数百枚の画像があります。 結果を画像解析プログラムに実装するには、このデータに対してどのようなタイプの統計解析を (JMP で) 行う必要があるのか知りたいのですが?
皆様のご協力に感謝いたします。
こんにちは@AFaiz 、
トピック、タスクの複雑さ、画像の分類を可能にする画像の詳細によっては、JMP が適切なツールとなる場合とそうでない場合があります。
このトピックに取り組み始めて、より高度なアプローチが必要かどうかを確認するための最初のステップは、次のことを試してみることです。画像解析装置加える。 このアドインを使用すると、画像をロードできるようになり、画像の各ピクセルの RGB 値と HLS 値を含むデータ テーブルが作成されます。 複数の画像を処理するには、このプロセスを自動化し、各画像のデータを連結するためにスクリプトを使用すると便利な場合があります。
RGB や HLS の分布を使用すると、異なるグループ間で画像を比較したり、中央値/平均/標準偏差のしきい値、歪度または尖度、比率の特定の値により、新しい画像を自動的に分類するルールを検出できる可能性があります。ゼロ値、範囲 ...
私はアルミニウムの染色評価にこのアプローチを一度使用しました。コテーション スコア (さまざまな配合によるアルミニウムの染色特性をテストするためにオペレーターから取得) と画像によるデータ分析アプローチとの間に相関関係があるかどうかを知りたかったからです。 。 データアプローチが、経験豊富なオペレーターによって得られたコーテーションスコアと非常に厳密に一致し、オペレーターに依存しないスコアを取得できることを確認して、非常に嬉しい驚きを感じました。
ただし、この単純なアプローチには、再現性と精度のために事前にいくつかの固定条件が必要です。つまり、固定および定義された背景 (オブジェクトに応じて白、灰色、または黒)、オブジェクトからの固定位置、固定照明条件、固定カメラ設定などです。
このアプローチがタスクにとって単純すぎる場合 (さまざまな画像サイズ、画像内のオブジェクトの複雑さ (オブジェクトのさまざまな色やサイズの使用)、さまざまな画像品質/背景など)、深層学習アプローチが推奨される場合があります。 JMP の Python 統合機能を利用して、画像用のいくつかの専用ライブラリ (OpenCV、Scikit-Image など) を使用することもできます。
この最初の回答がお役に立てば幸いです。
