Международная научная конференция студентов, аспирантов и молодых учёных «Ломоносов-2022»

Классификация чернил шариковых ручек на основе селективной экстракции с последующим цифровым анализом цвета и кластерным анализом

Карпухин Олег Романович

Выходные данные

Авторы Карпухин О.Р., Грязев И.П., Кечин А.А., Кравченко А.В., Калиничев А.В.
Статус студент 2 курса бакалавриата
Организация Санкт-Петербургский государственный университет
Метки
Вернуться ко всем постерам
4 комментариев
Межтекстовые Отзывы
Посмотреть все комментарии
Андрей Ставрианиди
Андрей Ставрианиди
2 лет назад

Добрый день!

Вопрос по докладу: Какими регистрирующими устройствами и программным обеспечением Вы пользовались для получения и обработки изображений штрихов?

Карпухин Олег Романович
Карпухин Олег Романович
2 лет назад

Здравствуйте, спасибо за вопрос.
Для получения изображения штрихов использовали цифровую камеру МС-5, совмещённую с микроскопом МСП-2 (ЛОМО, Россия), для обработки использовали программное обеспечение ImageJ.

Андрей Самохин
Андрей Самохин
2 лет назад

Добрый день!
Ответьте, пожалуйста, на следующие вопросы:
Из представленных материалов непонятно, что выступает в качестве начальной матрицы. Каким число признаков охарактеризован каждый штрих? Как проводили предварительную обработку данных? Какой метод кластеризации и какую метрику расстояния использовали? Чем руководствовались при выборе расстояния для разбиения на классы?

Карпухин Олег Романович
Карпухин Олег Романович
2 лет назад

Здравствуйте, спасибо за вопрос.
Начальная матрица в рамках данной работы представляет из себя матрицу 9×16, где количество строк определяется используемыми ручками, а количеству столбцов соответствует произведение элюентов на 3 определяющих цвет значения в RGB-пространсве, полученные в ПО ImageJ. Предварительная обработка заключалась в балансе белого для каждой фотографии. В ходе исследования использовали различные метрики и методы кластеризации: евклидово расстояние, квадрат евклидова расстояния, расстояние городских кварталов, методы дальнего и ближнего соседа. Наиболее оптимальными оказались метод дальнего соседа и евклидово расстояние, так как они больше всего совпадали с данными ВЭЖХ. Выбор расстояния для разбиения на кластеры выбиралось на основе данных ТСХ, ВЭЖХ