Bakit hinahantong ng manu-manong pagkakalibrate ang mabagal na pagpapatupad ng pagsubaybay sa landas
Ang pag-setup ng isang sistema ng pagsubaybay sa landas ng zebrafish ay dating isang ritwal ng pasensya. Isang grid o ruler ang ilalagay sa arena, isang camera ang kumuha ng isang frame, at may isang tao na sinusukat nang manu-mano ang distansya sa pixel. Ang hakbang na ito sa pagkakalibrate ang nagco-convert ng mga coordinate ng larawan sa mga yunit sa tunay na mundo, at kailangang ulitin ito tuwing ang camera ay gumalaw, ang lens ay nabago, o ang arena ay inilipat sa ibang posisyon. Sa isang laboratoryo na nagpapatakbo ng maraming behavioral assay, mabilis na tumataas ang overhead na ito.
Ang manu-manong pagkakalibrar ay may isa pang problema. Ito ay nakasalalay sa taong gumagawa nito. Ang dalawang teknisyan ay maaaring mag-trace ng parehong grid at makakuha ng kaunti lamang na iba’t ibang bilang ng pixel. Maaaring maliit ang pagkakaiba, ngunit sa isang pag-aaral na tumatagal ng ilang linggo, maaari itong baguhin ang tila na distansya na tinakbo ng isang larva. Para sa isang sistema ng pagsubaybay sa trajektoriya ng zebrafish, ang ganitong uri ng pagkalugmok ay sinisira ang buong layunin ng pagsubaybay.
Ang awtomatikong pagkakalibrar ay hindi nagtatanggal ng bawat hakbang na ginagawa ng tao, ngunit binabawasan nito ang mga paulit-ulit na hakbang. Mahalaga ito kapag isinasapamamaraan ang isang sistema sa ilang rig o kapag kailangan ng isang pangunahing pasilidad na bigyan ng operasyon ang mga bagong gumagamit nang walang mahabang panahon ng pagsasanay.
Ano talaga ang ginagawa ng awtomatikong pagkakalibrar sa ilalim
Sa pangunahing bahagi nito, ang awtomatikong kalkulasyon ay isang computer vision na proseso na nakikilala ang isang kilalang pattern at nalulutas ang pagtutugma sa pagitan ng mga pixel ng camera at ng pisikal na yunit. Ang pattern ay maaaring isang checkerboard, isang dot grid, o isang naimprentang marker na may kilalang sukat. Ang software ay nakikita ang mga sulok o sentro, inaayos ang mga ito batay sa kilalang heometriya, at kinukwenta ang transpormasyon.
-
Ang camera ay kumuha ng isang o higit pang larawan ng target para sa kalkulasyon.
-
Ang algorithm ay nakikilala ang mga feature points, tulad ng mga intersection ng checkerboard.
-
Ang mga puntong iyon ay inaayos batay sa kanilang kilalang posisyon sa target.
-
Kinukwenta ang isang homography o affine transform.
-
Itinatago ang transpormasyon at inaaplay sa bawat sumunod na frame.
Ang matematika ay hindi kakaiba. Ang pagtataya ng homography ay naging karaniwan na sa larangan ng computer vision sa loob ng ilang dekada. Ang nagpapagaling ng awtomatikong kalibrasyon sa konteksto ng zebrafish ay ang kakayahang ito na harapin ang mga madumihang bahagi. Maaari nitong i-korek ang maliit na pag-ikot ng camera, distorsyon ng lens, at pananaw kung ang target ay hindi eksaktong seyntiparallel sa sensor. Ang mga pamamaraang manu-manong kadalasan ay binaligkas ang mga epekto na ito dahil ang pagkorek nito nang manu-manong ay nakakapagod.
Ang kompromiso sa katiyakan sa pagitan ng manu-manong at awtomatikong kalibrasyon
Isang karaniwang palagay ay ang awtomatikong kalibrasyon ay mas mababa ang katiyakan kaysa sa maingat na manu-manong pagsukat. Hindi laging totoo ito. Ang isang maayos na idisenyo na awtomatikong proseso ay maaaring makamit ang katiyakan na mas mababa sa isang pixel sa pagtukoy ng sulok, na kadalasan ay mas mainam kaysa sa isang tao na kumuha ng grid line gamit ang mouse. Ang tunay na pagkakaiba ay lumilitaw sa pag-uulit at bilis.
| Paraan ng kalibrasyon | Kasaganaan ng pag-uulit | Oras bawat pag-setup | Kailangang Talento |
|---|---|---|---|
| Manu-manong pagguhit ng grid | Katamtaman | Il several minuto | Mataas |
| Manu-manong ruler na may suporta ng software | Katamtaman | Ilang minuto | Katamtaman |
| Awtomatikong checkerboard | Mataas | Mababa sa isang minuto | Mababa |
| Automatiko na may pagwawasto ng distorsyon | Mataas | Mababa sa isang minuto | Mababa |
Ang kompromiso ay hindi ang katiyakan. Ito ay ang transparensya. Ang manu-manong kalibrasyon ay nagpapahintulot sa gumagamit na makita nang eksakto kung aling mga punto ang sinusukat. Ang awtomatikong proseso ay isang 'black box' maliban kung ang software ay nagpapakita ng mga natukoy na katangian. Para sa mga gawaing regulado, mahalaga ang ganitong kahusayan sa pagtingin. Para sa karaniwang pagsusuri ng pag-uugali, karaniwan namang nananalo ang bilis at pag-uulit.
Isang halimbawa sa field kung saan nakatipid ng deployment ang awtomatikong kalibrasyon
Isang unibersidad na laboratorio sa silangang bahagi ng Tsina ay pinalawak ang kanilang setup para sa behavioral phenotyping mula sa isang rig patungo sa apat. Ang unang rig ay kinalibrado nang manu-manong, at tumagal ng mga sampung minuto bawat sesyon ang proseso para sa isang sanay na estudyante. Sa apat na rig na tumatakbo araw-araw, halos isang oras ang oras ng pag-setup bago pa man magsimula ang anumang eksperimento.
Ang koponan ay nagpalit sa isang sistema ng pagsubaybay sa landas ng zebrafish na may awtomatikong kalamnan. Ang target na checkerboard ay inilagay sa bawat arena, kinuha ang larawan, at kinompyut ang software ang sukat. Ang oras ng pag-setup ay bumaba sa ilang minuto lamang bawat rig. Mas mahalaga pa rito, pareho ang mga halaga ng kalamnan sa lahat ng rig, kaya mas madali nang i-pool ang datos mula sa iba't ibang setup.
Ang pagpalit ay hindi perpekto. Sa isang rig, ang kamera ay medyo naka-tilt kaya ito ay tinamaan ng awtomatikong proseso, ngunit kailangan pa ring suriin nang biswal kung ang mga gilid ng arena ay nasa tamang alignment pa rin sa rehiyon ng pagsubaybay. Ang ganitong pagsusuri ay naging bahagi na ng araw-araw na gawain. Subalit ang oras na naipadagdag ay nananatiling malaki.
Kung saan pa kailangan ng pangangasiwa ng tao ang awtomatikong kalamnan
Ang awtomatikong kalamnan ay hindi lisensya para balewalain ang setup. Maaari pa ring mangyari ang ilang problema.
-
Maaaring hindi tama ang sukat ng nakapindut na target kung mali ang mga setting ng printer.
-
Ang isang reflective surface o hindi pantay na ilaw ay maaaring magdulot ng kalituhan sa feature detection.
-
Ang target ay maaaring ilagay sa iba’t ibang taas kaysa sa mga hayop, na nagdudulot ng isang parallax error.
-
Ang lens distortion ay maaaring i-correct, ngunit lamang kung ang distortion model ay tumutugma sa aktwal na lens.
Isang mabilis na sanity check ang nakakatulong. Pagkatapos ng calibration, ang isang kilalang distansya sa arena ay maaaring sukatin gamit ang ruler at ikumpara sa halaga ng software. Kung ang mga numero ay hindi magkakasundo nang higit sa isang maliit na tolerance, may kahinaan. Ang pagsusuring ito ay tumatagal lamang ng ilang segundo at nakakadetekta ng pinakakaraniwang mga failure mode.
Ang automatic calibration ay sumusumpong din na ang camera ay hindi gumagalaw habang nangyayari ang eksperimento. Ang isang bump sa rig o isang loose mount ay maaaring gawing invalid ang calibration sa gitna ng pag-aaral. Ang ilang sistema ay may kasamang reference marker sa arena upang matukoy ang drift, ngunit ang tampok na ito ay hindi pangkalahatan.
Paano inaapproach ng Hunter Lab ang calibration sa praktikal na paraan
Ang Hunter Lab (Hunter) ay gumagawa ng kagamitan para sa laboratoryo ng zebrafish na may pagnanais na bigyang-pansin ang daloy ng gawain sa paligid ng hardware. Ang bahagi ng produksyon at kontrol sa kalidad ay sumusuporta sa pagkakapare-pareho na kailangan para sa maraming rig na deployment. Para sa mga laboratoryo na kailangang magpatakbo ng ilang sistema ng pagsubaybay nang hindi kailangang dumadaan sa mahabang proseso ng pagkakalibrado, ang awtomatikong pagkakalibrado ay isa sa mga tampok na tahimik na nagpapadali ng araw.