Moderne Statistik (machine learning) zur Bilzbestimmung bereits angewendet?

Es gibt 19 Antworten in diesem Thema, welches 9.045 mal aufgerufen wurde. Der letzte Beitrag (2. November 2020 um 00:35) ist von huehnchen69.

  • Hallo miteinander

    Seit einigen Monaten wende ich beruflich "machine learning" für diverse Zwecke an, hauptsächlich zur Klassifizierung, Autorenbestimmung, Stimmenerkennung, Chemometrics etc.

    Gibt es jemanden, der solche Methoden schon auf Pilzbestimmung anwandte?

    Entweder könnte man das anhand der verschiedenen Merkmale machen, was relativ einfach wäre. Aber die Eingabe der Merkmale durch den user ist sicher ungenau und fehlerbehaftet sowie auch die Zuordnung der Klassifizierungsmerkmale zur Pilzbestimmung nicht immer eindeutig sein dürfte.

    Jedoch könnte man durchaus auch Fotos zur Klassifizierung benützen, was ein deap learning (Neuronales Netzwerk) bedeuten würde. Dazu bräuchte man möglichst viele Digitalfotos von sicher bestimmten Pilzen um das Netzwerk richtig trainieren zu können.

    Wie auch immer - ich fange schon mal an mit einigen mir bekannten Pilzen, die ich aus bestimmten Blickwinkeln fotografiere und versuche damit ein Netzwerk zu trainieren, allenfalls könnte ich auch ein bestehendes, für andere Zwecke trainiertes Netzwerk ausprobieren.

    Liebe Grüsse

    Martin

  • Hab schon was gefunden, aber dies befriedigt mich noch nicht.

    Mushrooms Classification – Part 1 | DataScience+ und ... part-2

    Random Forest scheint mir die geeignetere Anwendung zu sein als rpart (recursive partitionning), falls die Features bekannt sind.

    Noch eleganter wäre das mit den Bildern.

    z.B. ein Bild von oben, eines von der Seite, eines mit Details vom Stil, eines mit Details von der Unterseite inkl. Schnitt/Saft, vielleicht noch eines von der Wurzel / vom Fuss. Reichen 4 Bilder für die Charakterisierung?

  • Jedenfalls höchst interessant. Einen ähnlichen? Versuch bzw. tlw. schon umgesetzt findet man in der App "123Pilze". Wie es da mit der Trefferquote aussieht, weiß ich allerdings nicht, das ist mir zu unsicher.

    VG

    Thomas

    Auch von mir selbstverständlich keine Essensfreigabe. Sämtliche Darlegungen und Aussagen sind subjektiv und unverbindlich.

  • Hallo Martin,

    auch ich war beruflich (allerdings nur sehr am Rande) kürzlich mit dem Thema AI/Neuronale Netze konfrontiert und habe mir diese Frage gestellt.

    Ich bin mir ziemlich sicher, dass die bisherigen Pilzbestimmungsapps dieses Verfahren nicht verwenden.

    Außerdem denke ich, dass das Verfahren bei Pilzen nicht wirklich sinnvoll anwendbar ist.

    Deinem Beitrag konnte ich nicht entnehmen, wie gut du selbst mit Pilzen vertraut bist.

    Aber es gibt eine Menge Pilze, die sich oberflächlich betrachtet sehr ähneln (manche schon, wenn beide Arten ihr typischstes Erscheinungsbild haben, andere deshalb, weil es bei fast jeder Art eine große Schwankungsbreite hinsichtlich Farbe, Größe, Form usw. gibt), und bei denen man dann sehr spezielle Ansichten oder Tests braucht, um zu einem Ergebnis zu kommen. Z.B. ein Schnittbild, Beobachtung von Verfärbung, Sporenfarbe (das sind ja immerhin optisch, und damit auch in einem Bild, erfassbare Merkmale, wenn auch die Gewinnung der Sporenfarbe normalerweise ein paar Stunden dauert), aber auch Konsistenz, Geruch, Geschmack, usw.

    Das allein wäre nicht sooo schlimm - ein Programm, das nur Fotos auswertet, könnte ja, wie es die existierenden Apps tun, eine Liste möglicher Kandidaten, zu denen das Erscheinungsbild prinzipiell passt, ausspucken, und dann beispielsweise Vorschläge machen, welche Tests man machen sollte, um weiter zu differenzieren.

    Aber zumindest wenn ich meine Kollegen richtig verstanden habe, funktioniert AI anders, nämlich indem das Netzwerk darauf trainiert wird, zu jeder Eingabe (hier Pilzfoto) genau einen Vorschlag zu machen, indem im Netzwerk während des Trainings Wichtungsfaktoren autonom so lange justiert werden, bis die Trefferzahl für die verschiedenen Fotos maximiert ist. Dass das aber ohne Nutzung irgendwelcher rational erfassbarer Bildparameter passiert. Also nichts mit "der Pilz auf dem Foto hat einen braunen Hut, also fliegen alle mit weißem, rotem und gelbem Hut schon mal raus", so dass man ggf. auch an einer Stelle abbrechen könnte, an der nur noch alle Pilze mit der richtigen Hut- und Stielfarbe übrig sind, sondern man bekommt im Ergebnis einen Vorschlag, und der passt, oder er passt nicht. Habe ich das Verfahren richtig verstanden?

    Ich denke, dass so ein Verfahren gut funktionieren könnte, um Pilzarten (naja, manche vielleicht nicht ganz bis zur Art runter) zu unterscheiden, die man als Pilzkenner gut mit einem Blick benennen kann. Beispielsweise kriegt eine AI bestimmt gut eine Unterscheidung von Pfifferling (ggf. auch sowas wie Echter Pfifferling / Amethystschuppiger Pfifferling) und Falscher Pfifferling (ggf. auch Abgrenzung zum Afterleistling) hin. Täublingsarten allein nach dem Foto bestimmen? Kann ich mir nicht vorstellen. Das braucht - von Ausnahmen abgesehen - eine Geschmacksprobe, Sporenfarbe, usw.

    Wenn ich das mit der Funktionsweise falsch verstanden habe und ein Eingrenzen auf mehrere passende Arten auch mit AI möglich wäre, könnte ich mir allerdings vorstellen, dass - zumindest, wenn mehrere Fotos in Kombination verwendet werden, also wenigstens Hut, Stiel und Sporengeber - eine begrenzte Nutzbarkeit erreicht werden könnte. Trotzdem würde ich Verfahren, die vom Nutzer eingegebene Merkmale nutzen, also auch Geschmack, Geruch usw., für überlegen halten.

    Beste Grüße

    Sabine

  • Ich hätte da eine Frage. Wäre eine Kombination beider Methoden eigentlich denkbar? Also man würde einen Pilz von verschiedenen Seiten, oben unten und so weiter, fotografieren. Dann bekäme man je nach Pilzart unter Umständen mehrere Vorschläge. An diesem Punkt würde dann zur weiteren Eingrenzung nach weiteren, photographisch nicht erfassbaren, Merkmalen gefragt werden, wie z.b. Geruch Geschmack etc.

    VG

    Thomas

    Auch von mir selbstverständlich keine Essensfreigabe. Sämtliche Darlegungen und Aussagen sind subjektiv und unverbindlich.

  • Danke Sabine für deine Antworten.

    Wie du richtig vermutest, weiss ich über Pilze sehr wenig. Ich kenne nur rund ein Dutzend.

    Aber AI kenne ich gut und wende es in der Praxis erfolgreich an.

    Natürlich kann man das so programmieren, dass es eine Reihenfolge der Klassen angibt, z.B. zu 81 % Wahrscheinlichkeit Pilz X, zu 12 % Pilz Y, zu 5 % Pilz Z und der Rest andere.

    Natürlich kann man auch andere Faktoren als Bilder hineingeben, sofern diese bekannt sind, wie Geruch, Sporenfarbe etc. Oder dies offen lassen, dann wird die Klassifizierung einfach ungenauer.

    Wenn man sie optisch einfach auseinanderhalten könnte, wäre es ja zu einfach und langweilig.

    Neuronale Netze können auch mit grosser Variabilität umgehen. Es braucht dann halt mehr Bilder zum Trainieren.

    Nochmals vielen Dank und liebe Grüsse

    Martin

  • Hallo Zusammen,

    für mich einer der wichtigsten Punkte, um Pilze sinnvoll zu bestimmen, sind Angaben zur Umgebung/Umwelt/Ökologie. Und die durch Bilder statistisch auszuwerten ist m.E. noch nicht mal Zukunftsmusik.

    Was sicher heute durch Maschinen zu lernen wäre, sind die wichtigste und prägnantesten 100 Pilze sicher zu bestimmen. Aber das kann jeder Interessierte Mensch mit begrenztem Aufwand auch mit einen kleinen Pilzbuch auch selbst

    Grüßle

    RudiS

  • Die Pilz-App 123Pilze habe ich, weshalb ich ja auch auf diese Seite gelangt bin und die Idee der Klassifizierung bekam.

    Es sind ja ungefähr 18 Variabeln und rund 4000 Pilze drin enthalten. Schlussendlich ist dahinter sicher ein Entscheidungsbaum (rpart) oder sowas. Ansonsten wäre es zu aufwendig.

    Es gibt aber verschiedene Methoden, etwas zu klassifizieren.

    Grüsse

    Martin

  • Solange man das noch nicht ernsthaft ausprobiert hat, macht es durchaus Sinn, es zumindest aus Spass auszuprobieren.

    Rudi, was meinst du, wie oft habe ich in meinem Beruflichen Umfeld schon gehört: Das kann eine Maschine nie! Das ist viel zu kompliziert. Das können nur Menschen!

    Und dann hats trotzdem funktioniert, und zwar so gut, dass die alten Hasen kurz vor ihrer Pensionierung begeistert damit umgingen.

    Grüsse

    Martin

  • Nochmal hallo,

    danke für diesen Link:

    Mushrooms Classification – Part 1 | DataScience+ und ... part-2

    Ich habe jetzt nur ganz kurz rübergeschaut, aber ich hätte das gar nicht in die Ecke gesteckt, in der du unterwegs sein möchtest. Ich habe (gut, ich habe glaube ich nur Teil 1 angeschaut) es so verstanden, dass es "nur" eine Datenbankanalyse ist.

    Und ohne genauer geschaut zu haben, was in der Datenbank drinsteckt - im Ergebnis überzeugt mich das nicht...

    Main insights resulting from above barplots and contingency tables are:

    • * only poisonous mushrooms have convex cap-shape; only edible mushrooms have sunken cap-shape
    • * only poisonous mushrooms have cap-surface with grooves
    • * only edible mushrooms have green or purple cap-color (auch wenn ich den Grünling schon gegessen habe, wird er heute als potenziell tödlich giftig eingestuft, und einen Stachelbeertäubling würde ich auch nicht essen wollen)
    • * odor is strongly indicative of what mushrooms are (edible/poisonous)
    • * only poisonous mushrooms have buff or green gill color
    • * only edible mushrooms have red or orange gill Color (den Blutblättrigen Hautkopf und den Blutroten Hautkopf würde ich nicht essen wollen, und schon gar nicht den Spitzgebuckelten Raukopf oder den Orangefuchsigen Raukopf =O)
    • * only edible mushrooms have rooted stalk root
    • * stalk_color_above_ring and stalk_color_below_ring are relevant features for out classification problem
    • * only edible mushrooms have brown veil color
    • * only poisonous mushrooms have yellow veil color
    • * only poisonous mushrooms do not have rings
    • * only edible mushrooms have flaring ring type
    • * only poisonous mushrooms have none ring type
    • * only edible mushrooms have black, orange, purple or yellow spore print color
    • * only poisonous mushrooms have green spore print color
    • * only edible mushrooms have abundant or numerous population
    • * only edible musrooms have waste type Habitat

    Ich habe nicht erschöpfend geschaut, ob die "only edible mushrooms have..." noch weitere Fehler haben, das war nur das, was mir gleich ins Auge sprang. Die "only poisonos mushrooms have…" haben - zumindest wenn man alle Großpilze in Europa betrachtet - einige Fehler, aber das ist ja nicht gesundheitsgefährdend, wenn man einen essbaren Pilz als giftig einstuft.

    Vermutlich war ihre Datenbank sehr beschränkt, und die Methodik hätte, bei größerer verwendeter Datenbank, Potenzial, einige (zumindest für Deutschland/Europa) gültigen allgemeinen Aussagen auszuspucken, z.B. sowas wie "alle rot milchenden Milchlinge sind essbar", "alle Schnecklinge sind essbar", oder "unter den Röhrlingen gibt es keine tödlich giftigen" :wink:. Schick wäre es natürlich schon, wenn dabei noch unbekannte allgemeine Aussagen herauskämen.

    Beste Grüße

    Sabine

  • Natürlich kann man das so programmieren, dass es eine Reihenfolge der Klassen angibt, z.B. zu 81 % Wahrscheinlichkeit Pilz X, zu 12 % Pilz Y, zu 5 % Pilz Z und der Rest andere.

    Natürlich kann man auch andere Faktoren als Bilder hineingeben, sofern diese bekannt sind, wie Geruch, Sporenfarbe etc. Oder dies offen lassen, dann wird die Klassifizierung einfach ungenauer.

    Wenn man sie optisch einfach auseinanderhalten könnte, wäre es ja zu einfach und langweilig.

    Neuronale Netze können auch mit grosser Variabilität umgehen. Es braucht dann halt mehr Bilder zum Trainieren.

    Unter diesen Umständen, und wenn es nicht das Ziel ist, im Wald anhand von 1-2 Fotos zu einem eindeutigen Ergebnis zu kommen, kann ich mir vorstellen, dass eine AI-Anwendung überlegen sein könnte.

    Denn bei den herkömmlichen Apps muss für jeden Pilz jedes vorkommende Merkmal hinterlegt sein. Beispielsweise für Champignons sowohl rosa als auch dunkelbraun, obwohl die Champignons, die rosa Lamellen haben, vom restlichen Erscheinungsbild üblicherweise deutlich anders aussehen als die mit dunkelbraunen Lamellen, nämlich die einen jung sind, idR mit halbkugeligem Hut, und die anderen mit aufgeschirmtem Hut. Diese Aufweitung führt dann natürlich auch zu einer Menge zusätzlichen Treffern, die bei einer Bestimmung/Eingrenzung nach Foto mittels AI in einigen Fällen quasi automatisch rausgekickt würde.

    Mal ein Beispiel: 123pilze hat für den Frauentäubling für die Hutfarbe "grün, braun, blau bis lila". Dementsprechend landet er immer dann in der Auswahl, wenn jemand eine dieser vier Hutfarben anklickt. Wenn man mehrere Farben anklickt, scheint eine "und"-Verknüpfung hinterlegt zu sein. Mal konkret: Ein Farbverlauf von (grau)blau nach lila ist für den Frauentäubling relativ typisch. Wenn ich bei 123pilze blau und violett anklicke, spuckt es 166 Ergebnisse aus, bei grau und violett 154, bei grau, blau und violett nur 18, und der Frauentäubling ist immer dabei.

    Zumindest meiner Vorstellung nach müsste eine AI in der Lage sein, anhand eines Fotos vom Hut eine viel genauere Eingrenzung vorzunehmen, z.B. direkt beim Frauentäubling zu landen, oder Frauentäubling und Papgeientäubling. Auch ohne Farbverlauf, mit nur grün oder nur violett, würde mE die AI nur bei Verwendung einer Hutansicht unter den 500+ Treffern bei 123pilze natürlich auch jede Menge Korallen, Rindenpilze usw. auftauchen, die bei einem Hutfoto rausfallen würden.

    Bei diesen Beispielen wäre es natürlich Pillepalle, auch bei 123pilze anhand zusätzlicher Merkmale (Lamellen usw.) weiter einzuschränken. Aber insgesamt sehe ich da Potenzial. Selbst Mikromerkmale könnte man ja ggf (mittels Foto) einbeziehen.

    Das Trainieren stelle ich mir allerdings seeeeehr aufwändig vor, da braucht es so viele Daten... ich bin selbst gerade mit einer Methode zur Pilzbestimmung beschäftigt, und allein der Aufbau der Datenbank braucht ewig, obwohl ich schon seit knapp einem Jahr dran bin.....

    Beste Grüße

    Sabine


  • Hallo Martin,

    sicher, je mehr Daten eingegeben werden, umso sicherer können die prägnanten und typischen Merkmale erkannt werden. Und im 2ten Schritt dann bewertet werde. Einen wirklich "freien" Stiel kann eine SW (ebenso der Mensch) sehr leicht erkennen. Aber es gibt eine Million Abberationen. Und genau diese Abberationen machen es so schwer einen Entscheidungdbaum sinnvoll zu nutzen. Was ich mir aber durchaus vorstellen kann, ist dass Maschinen Farbanteile sehr viel präziser bewerten können, als das Menschen können. Also gerade die Farbmischungen verschiedener Täublinge wären m.E. durch Algorythmen viel besser einzuschätzen (ob allerdings Kameras die Werte standardisiert genug aufnehmen können?

    Also ja, manches Maschinenergebnis wäre wohl viel besser als der Mensch (Bewertung Farben). Andere für Menschen einfach zu bewertende Details wären m.E. für Maschinen i.A. völlig unzugänglich (Geruch, Geschmack, Standort, Phänbologie). Die Haptik wäre bei guten Kameras wohl ganz gut darstellbar.

    Und der Taschensequenzer ist ja auch schon angedacht.

    Grüßle

    RudiS

    Einmal editiert, zuletzt von Gwürzbuizl (6. September 2019 um 18:46) aus folgendem Grund: Felladeifi

  • ob allerdings Kameras die Werte standardisiert genug aufnehmen können?

    Nein. ;)
    Ich kann mit schlechtem Licht einen weißen Champignon auf einem Bild komplett gelb erscheinen lassen. Oder einen Pilz einfach komplett überbelichten so dass die echten Farben geschluckt werden. Da kann die Kamera gar nix machen selbst wenn alle standardisiert wären.

    Eine Community für Naturfreunde · iNaturalist.org nutzt eine AI um Vorschläge zu generieren. Diverse Apps mittlerweile ja ebenfalls.

    Auch sonst gibt es verschiedene Seiten. Die hier fordert zum Beispiel ein paar weitere Merkmale. Bei anderen reicht es ein Bild hochzuladen.

    "Little brown mushrooms" gibt es beispielsweise sehr viele. Da wird auch über eine AI nix gehen, wenn selbst die Experten da meistens mikroskopieren müssen und eben diverse Faktoren wie Habitat, Sporenpulverfarbe, Geruch, Geschmack etc. notieren müssen.

    Keine Verzehrfreigaben meinerseits.

  • Ich kenne nur Clusteranalysen mit DNA Proben. Ist nicht ganz was Du suchst, weil klassische parametrische Statistik, aber das ist meines Erachtens nach das Beste was man machen kann. Bestimmungsschlüssel mit Machine Learning, hmm, weil man es kann?

  • Hallo Martin,

    Deine Idee finde ich gut, und wollte sie auch nicht schlechtreden. Aber ich denke und plappere halt so vor mich hin.

    Schlussendlich ist jeder Ansatz, der die Bestimmung einfacher und präziser macht ein Gewinn. Und wenn selbstlernende Software ein Teil davon ist, her damit!

    Was will ich damit sagen? Spannende Idee. Wenn Du Dich da reinhängen willst und das ausprobieren, profitieren vom Lernfortschritt alle.

    Grüßle

    RudiS

    • Offizieller Beitrag

    Salut!

    Hm, eigentlich will man ja nicht Spielverderber sein, insofern: Ausprobieren und gucken, was raus kommt.

    Ich denke nicht, daß das funktionieren kann. Für ungefähr 90% aller europäischen Pilzarten (da reden wir jetzt von einer doch satt sechsstelligen Artenanzahl) geht es letztliich nur mit mikroskopischen merkmalen, bei einigen Fachgebieten nur genetisch.

    Was man sonst auch braucht - selbst für "makroskopisch bestimmbare Arten" sind Kleinigkeiten wie Haptik, Konsistenz, Gerüche, Bruchverhalten, verfärbungsverhalten (über einen gewissen Zeitraum beobachtet) und einen Haufen Zeugs, den man auf Bildern nicht darstellen kann.

    Dennoch: Ausprobieren. Vielelicht auch mit der Einschränkung auf einige wenige Gattungen, um die Artenzahl und Formenvielfalt initianl erstmal in einem überschaubaren Rahemn zu halten.

    Worüber ich allerdings eben regelrecht erschrocken bin, ist das:

    Also damit meine ich nicht die Kommentare von Sabine. Die sind schon berechtigt.
    Aber diese ganze Aufstellung ist ja lebensgefährlich, falls das jemand ernst nehmen sollte.
    Da steht ausnahmslos Blödsinn.

    Hier nochmal auf Englisch, falls jemand durch irgendwelche Sucheingaben hierher gelangt:
    Each point of that List ist complete bollocks!

    Every single issue is just flatout wrong, if You want to survive: Ignore these results!!!

    Also entweder ist das ein Jux, oder da hat jemand richtig abgrundtief schlecht gearbeitet.

    Ich könnte jetzt jeden einzelnen Punkt auseinandernehmen, aber das ist gar nicht nötig: Nichts davon, nicht eine einzige Aussage ist auch nur entfernt richtig, jede einzelne Aussage ist falsch und totaler Quatsch.

    ...

    "only poisonous mushrooms do not have rings" wtf? Jerks! Anyone ever seen Boletus edulis with any kind of Ring?

    Sorry, aber so einen Schwachsinn kann man nicht unkommentiert stehen lassen.


    Egal wie du das mit den Bildern und der IA machst, Martin, daß es besser wird als das ist sehr wahrscheinlich.


    LG; Pablo.

    Das Internet ist "Hilfe zur Selbsthilfe" und kann nur Vorschläge zu Bestimmung von Pilzen bieten. Eine Verzehrfreigabe ist online nicht möglich, die gibt's beim >Pilzsachverständigen<.

  • Hallo Martin,

    ich habe im Netz eine ziemlich beeindruckende AI-Pilzbestimmungsseite gefunden:

    Pilzbestimmung nach Foto

    Die spuckt zu jedem Foto so um die 10 Vorschläge aus, und bei meinen bisherigen Versuchen war der richtige immer mit dabei. Nicht immer der mit der höchsten Übereinstimmung, aber zumindest mit Durchklicken wäre man da schon weitergekommen. Teilweise sind die anderen Vorschläge dann wirklich auch nahe dran (z.B: Fichtensteinpilz/Sommersteinpilz, teilweise kommt es einem vom bloßen Anschauen als absurd vor, was da vorgeschlagen wird, z.B. Pilze, die eine komplett andere Struktur haben.

    Ich habe allerdings bisher noch wenige Härtefälle ausprobiert. Aber einen halb zernagten Speisetäubling im Profil, bei dem man nur wenig von der Huthaut sah, hat die Software hinbekommen (war der Pilz mit der höchsten Übereinstimmung). Ansonsten krankt es vermutlich daran, dass ich bei den schwierigen Fällen selbst nicht weiß, was ich da fotografiert habe ;)

    Das Rumprobieren macht richtig Spaß :)

    Fotos von Pilzen nur von oben habe ich leider sehr wenige. Da würde mich interessieren, wie gut das funktioniert.

    Beste Grüße

    Sabine

  • Bin heute zufällig auch drüber gestolpert und war positiv überrascht!