Classification automatique des diatomées : extraction et identification des structures taxonomiques
Bibliographic record
Abstract
AvertissementL'auteur de ce mémoire ou de cette thèse a autorisé l'Université du Québec à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire ou de sa thèse.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire ou cette thèse.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire ou de cette thèse requiert son autorisation.Université du Québec à Thois-Rivières Service de la bibliothèque Avertissement L'auteur de ce mémoire ou de cette thèse a autorisé l'Université du Québec à Thois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire ou de sa thèse.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire ou cette thèse.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire ou de cette thèse requiert son autorisation.« Nous piétinerons éternellement aux frontières de l'inconnu, cherchant à comprendre ce qui restera toujours incompréhensible.Et c'est précisément cela qui fait de nous des hommes.» Isaac Asimov À Gabriela Caro lin a, mon épouse.Mes remerciements vont premièrement à tous les membres de ma famille , spécialement à ma mère qui m'a donné son soutien et qui m 'a encouragé à effectuer mes études de cycle supérieur à l'étranger.J 'ai apprécié leur proximité malgré mon éloignement afin que je ne me sente pas trop loin de chez moi.Je veux aussi remercier ma fiancée Gabriela de m 'avoir accompagné pendant mon séjour à l'étranger et de l'aide qu 'elle m 'a apportée.Je remercie le programme Mitacs et la Fondation de l'UQTR pour le financement reçu lors de mes études de deuxième cycle en mathématiques et d'informatique à l'Université du Québec à Trois-Rivières (UQTR), sans leur contribution je n 'aurais pu réaliter ce projet de recherche.Finalement , je ne peux passer sous silence les précieux conseils des professeurs Fathallah Nouboud et Alain Chalifour du département de mathématiques et d 'informatique de l'UQTR et du professeur Yvon Voisin de l'Université de Bourgogne qui m 'ont invité à participer à ce projet et à entreprendre un programme de maîtrise à l'Université du Québec à Trois-Rivières.Ils m'ont apporté de multiples conseils et idées pour trouver le bon chemin afin de relever les défis de cette recherche.Merci à tous! Introd uctionLes diatomées sont des algues unicellulaires que l'on retrouve dans les milieux aquatiques.Leur structure consiste en une cellule unique, le frustule, formée de deux valves qui s'emboîtent.Étant donné leurs propriétés biologiques, elles sont d'excellents bioindicateurs et de grand intérêt dans plusieurs domaines scientifiques.Dans le cadre de plusieurs applications scientifiques utilisant les propriétés des diatomées, il est parfois nécessaire d 'identifier à l'espèce des spécimens de diatomées, et ce parmi plus de 100 000 espèces connues et distribuées dans les écosystèmes aquatiques de la planète.L'identification des diatomées, qui est faite généralement par des spécialistes à l'aide d 'un microscope binoculaire, s'effectue sur la base de patterns spécifiques tel la géométrie du contour et des ornementations du frustule.Ce projet a pour but de contribuer à la classification à l'espèce des diatomées , de manière automatique ou semi automatique, dans des conditions réelles de laboratoire.L'approche courante dans un tel cas consiste à extraire les caractéristiques nécessaires à la classification tel que la géométrie globale des spécimens (contour) , le mphé, les stries internes ou tout autre structure interne spécifique.Dans un premier temps, nous devons extraire les diatomées du fond bruité de l'image, saisie à l'aide d 'un binoculaire.À cet effet, nous segmentons l'image, afin de séparer le fond de la zone d'intérêt, en déterminant automatiquement deux seuils (optimaux) de séparation des niveaux de gris (intervalle) à partir de la fonction de répartition obtenue à partir de l'histogramme des niveaux de gris dans l'image.Il résulte de cette segmentation une image binaire contenant différentes régions , dont certaines appartiennent
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".