Det h¨ar arbetet har utrett hur man kan genomf¨ora en m¨atning av en f¨argutveckling med hj¨alp av en mobilkamera, och vilka tekniska problem som kan f¨orekomma. Den resulterande m¨atmetoden har sedan implementerats i en mobilapplikation. Mobilapplikationen ¨ar utformad f¨or att l˚ata en anv¨andare utan st¨orre teknisk f¨orm˚aga kunna genomf¨ora en m¨atning under n˚agot s˚a n¨ar kontrollerade f¨oruts¨attningar. Med detta menas att ytan runt det urklippta filterpapperet b¨or h˚allas tomt och v¨albelyst.
Den f¨orsta fr˚agan som beh¨ovde besvaras var hur en f¨or¨andring i f¨arg kan m¨atas, och detta utreddes i avsnitt 4.2.1. L¨ampligheten med de olika m˚atten behandlades i avsnitt 4.3, om ljusets p˚averkan. De m˚att som testats klarade samtliga att uppm¨ata en f¨or¨andring, och hur v¨al de presterade visade sig till stora delar bero p˚a hur bra normaliseringen gjordes. F¨or m¨atning med euklidiskt avst˚and motverkades resultatet av den ursprungliga f¨orm¨orkningen som saliven medf¨orde, f¨or att sedan mer konsekvent m¨ata ¨
okningen n¨ar saliven v¨al spridits.
F¨or m¨atning av f¨argm¨attnad s˚a som det ¨ar definierat enligt HSV fanns inte detta problem d˚a saliv ¨ar of¨argat, men d¨aremot var det k¨ansliga mot en f¨argning av hela bilden. Detta var inget problem efter att bilderna justerats, och inte heller instabiliteten med HSV. Detta p˚a grund av att endast f¨argm¨attnad m¨atts, och ljusstyrkan och f¨argnyansen ska ha justerats av normaliseringen, i vilket fall deras v¨arden inte spelar in (endast vid matchning av f¨arg hade detta medf¨ort ett problem). B˚ade euklidiskt avst˚and och m¨atning av f¨argm¨attnad har bed¨omts som l¨ampliga m˚att. Det alternativ som implementerades ¨ar m¨atning av f¨argm¨attnad, just f¨or att kunna starta m¨atningen direkt n¨ar saliven droppats.
De yttre faktorer som haft negativ p˚averkan har (precis som identifierat i fr˚agest¨allningen), varit just varierande ljusf¨orh˚allanden och det faktum att kameran kan vara sv˚ar att h˚alla stadigt. Ang˚aende norma- liseringen har v¨aldigt enkla metoder kunnat kompensera f¨or f¨or¨andringar mellan bilder i en bildsekvens. Den metod som implementerades i mobilapplikationen, och som fungerar enligt en v¨aldigt enkel per bild-praxis, kompenserar visserligen inte f¨or stora ¨andringar i ljusstyrka, men klarade v¨al av att kompen- sera f¨or ¨andringar som skett ¨over tid i en bildsekvens, b˚ade n¨ar bilderna blivit f¨argade och n¨ar enbart ljusstyrkan justerats (det vill s¨aga en lika stor ¨okning eller minskning i samtliga f¨argkomponenter skett). Detta faktum i kombination med bildernas enkla natur, att inga objekt l¨aggs in eller tas bort mellan bilder, visar att det ¨ar rimligt att en mer avancerad algoritm helt skulle kunna kompensera f¨or ljus. Inom datorseende ¨ar kraven p˚a algoritmer givetvis h¨ogre eftersom scenerna ¨ar mer komplexa ¨an de har varit i det h¨ar arbetet. H¨ar har det r¨ort sig om ett enda intressant objekt som ligger n¨ara bildens centrum, och kraven har varit att f¨argerna dels kan h˚allas konstanta genom en bildsekvens, och dels att bildsekvenser helst ska vara oberoende av ljusets f¨argning. F¨or detta har v¨aldigt enkla algoritmer visat sig kunna r¨ona acceptabla resultat, vilket ger goda f¨orhoppningar om att mer utvecklade, existerande metoder med framg˚ang kan nyttjas.
Effektiviteten av normaliseringen skulle d¨aremot beh¨ova utredas med reproducerbarhet och precision i st¨orre fokus f¨or att f˚a en id´e om hur stora variationer som faktiskt ¨ar acceptabla. Normaliseringen i det h¨ar arbetet har skett av tv˚a anledningar: att f¨arg och ljusstyrka mellan bilder i bildsekvenser ska ligga p˚a en konstant niv˚a, och att m¨atningar i st¨orsta m¨ojliga m˚an b¨or vara oberoende av ljusets f¨argning. Att utreda effektiviteten mellan bilder har varit enkelt, d˚a det kan g¨oras genom att enbart titta p˚a skillnader i f¨argning mellan varje bild, samt genom att j¨amf¨ora m¨atningar gjorda under s¨amre f¨orh˚allanden med de gjorda under n¨ara optimala f¨orh˚allanden. Det har d¨aremot varit sv˚arare att sia om hur stort fel som faktiskt ¨ar acceptabelt utan att k¨anna till kopplingen till alfa-amylas. Av precis denna anledning har det varit v¨aldigt sv˚art att f˚a ett hum om hur bra normaliseringen mellan bildsekvenser b¨or vara, och detta ¨
ar ett av de fr˚agetecken som beh¨over r¨atas ut i en vidareutveckling av arbetet.
Den metod som anv¨ants f¨or att lokalisera m¨atomr˚adet l¨amnar mer att ¨onska. N¨ar systemet testades som helhet uppt¨acktes att det enkla tillv¨agag˚angss¨att som anv¨ants var f¨or naivt. En enkel f¨argmatchning
¨
ar inte tillr¨ackligt f¨or att hitta bildpunkter som kan t¨ankas ing˚a i provet, ¨aven om ett v¨aldigt gener¨ost intervall anv¨ands. N¨ar filterpapperet och bakgrundsytan ¨ar v¨al belysta fungerar det, men vid s¨amre belysning eller om ljuset f¨argar ytan fungerar det betydligt s¨amre. Segmenteringen b¨or allts˚a inte baseras p˚a f¨argmatchning (en bin¨ar segmentering i bildpunkter som potentiellt tillh¨or filterpapperet och de som inte g¨or det) utan borde baseras antingen p˚a n˚agot annat gemensamt drag hos samtliga m¨atningar, som exempelvis skillnad i ljusstyrka (filterpapperet har vita, ljusa omr˚aden som kommer sk¨arma in fl¨acken s˚avida provet inte upptar hela filterpapperet), eller ¨annu hellre genom en mer avancerad algoritm som tar h¨ansyn till n¨arliggande bildpunkter f¨or att p˚a s˚a vis identifiera s¨ardrag.
Det enkla tillv¨agag˚angss¨attet har anv¨ants p˚a grund av tidsramarna, men en vidareutveckling b¨or d¨aremot kunna ske utan st¨orre sv˚arigheter. Exempelvis kan man bygga vidare p˚a den segmentering som visades i figur 17. Det finns ¨oppna bibliotek f¨or datorseende och bildanalys som inneh˚aller f¨ardiga implementa- tioner f¨or den funktionalitet som skulle kr¨avas f¨or att f˚a till en mer robust lokalisering av m¨atomr˚adet. Exempelvis skulle biblioteket OpenCV, som g˚ar att anv¨anda p˚a Android, kunna anv¨andas f¨or att g¨ora en riktig blob detection efter segmenteringen. Experiment i Matlab visade att det m¨ojligt att identifiera b˚ade salivprovet och det urklippta filterpapperet, och d˚a OpenCV erbjuder samma funktionalitet skulle det kunna portas till mobilapplikationen. Rent prestandam¨assigt borde det p˚a Android vara realiserbart att den h¨ar ber¨akningen ocks˚a sker i realtid d˚a det existerar liknande applikationer som rimligtvis ¨ar tyngre ber¨akningsm¨assigt.
Mobilapplikationen implementerar den m¨atmetod som har beskrivits i arbetet, och inneh˚aller ut¨over denna funktionalitet f¨or att ta en bildsekvens samt ett enkelt grafiskt anv¨andargr¨anssnitt. Den uppfyller de uppsatta kraven, men en naturlig vidareutveckling av den ¨ar att ¨oka anv¨andarv¨anligheten. Exempelvis skulle visualiseringen av tidigare m¨atningar kunna g¨oras ¨oversk˚adligare. I nul¨aget anv¨ands en graf f¨or att visualisera alla tidigare resultat (de j¨amf¨orelsev¨arden som r¨aknas ut), vilket bara visas ihop med datum f¨or m¨atningen. I en slutlig implementation d¨ar kopplingen alfa-amylas utretts skulle detta kunna utvidgas med en m¨ojlighet att namnge m¨atningar (exempel: ”morgon, efter uppstigning”, ”efter motionspass”, och liknande). Det skulle ocks˚a vara f¨ordelaktigt att antingen ha flera vyer ist¨allet f¨or en enda. Exempelvis skulle en kalendervy kunna anv¨andas f¨or att p˚a ett mer intuitivt s¨att visualisera vilka dagar som vilka m¨atningar h¨or till.
En annan f¨orb¨attring som skulle kunna leda till b¨attre m¨atningar ¨ar att l˚ata anv¨andaren aktivt f˚a feedback redan n¨ar bilderna tas. Detta kan g¨oras genom att rita upp mark¨orer p˚a den f¨orhandsvisning av kameravyn som existerar. Om bilden ¨ar f¨or m¨ork, om provet inte kan lokaliseras eller om provet lokaliseras fel, kan anv¨andaren genast justera detta innan n¨asta bild tas. I den nuvarande mobilapplikationen skippas bilder d¨ar provet inte kan identifieras om det ¨ar i b¨orjan av en bildsekvens, och d¨arefter avbryts m¨atningen om provet inte kan hittas i en senare bild.
En fr˚aga som ˚aterst˚ar och som inte belystes i det h¨ar arbetet ¨ar hur stark kopplingen mellan den uppm¨atta f¨argutvecklingen och niv˚an alfa-amylas faktiskt ¨ar, och om precisionen som uppn˚as ¨ar tillr¨acklig. I det h¨ar arbetet syftade reproducerbarhet p˚a att m¨atningar gjorda under samma f¨orh˚allanden skulle ge snarlika resultat. Tv˚a problem kan identifieras h¨ar. F¨or det f¨orsta anv¨ands ingen konkret definition p˚a vilka resultat som ska klassas som lika nog f¨or att reproducerbarheten ska anses godtagbar, annat ¨an att dessa m¨atningar har varit betydligt mer lika varandra ¨an m¨atningar gjorda vid andra tillf¨allen. F¨or det andra syftade reproducerbarheten bara p˚a att unders¨oka variationer i de f¨orh˚allanden under vilka m¨atningarna gjordes, det vill s¨aga fr˚an p˚averkan av yttre faktorer.
Visserligen har utsp¨adda prov anv¨ants f¨or att kunna uppm¨ata olika resultat, men kopplingen mellan dessa prover och de outsp¨adda proverna har inte unders¨okts, ¨aven om flera observationer gjordes. Vissa aspekter var rent tekniska: bland annat observerades att de utsp¨adda proverna spreds snabbare d˚a de var mindre tr¨ogflytande, vilket ledde till en snabbare f¨orm¨orkning av m¨atomr˚adet innan f¨argningen uppstod. Precis som noterades i avsnitten om l¨amplig m¨atmetod ledde detta till att m¨atningar blev lite sv˚arare, trots att det var ett ¨overkomligt problem.
˚
A andra sidan visades de utsp¨adda proverna ha en f¨argutveckling som mattades av snabbare, och detta fenomen ¨ar h¨ogst intressant n¨ar f¨argutvecklingen ska kopplas till niv˚an alfa-amylas i salivproverna. Detta unders¨oktes inte d˚a arbetet ¨ar koncentrerat p˚a de tekniska aspekterna med m¨atning av en f¨argutveckling,
men f¨or att realisera id´en att anv¨anda en mobilbaserad l¨osning med uttryckt syfte att m¨ata niv˚an alfa-amylas (s˚a som den korrelerar med f¨argutvecklingen) ¨ar detta givetvis n˚agot som m˚aste utforskas ing˚aende. N¨ar detta ¨ar gjort ¨ar det enklare att besvara huruvida precisionen ¨ar tillr¨ackligt bra.