Digitális képfeldolgozás alkalmazási lehetõségei multimédia oktatási anyagok fejlesztésében Berke József1 - Kárpáti László1 - Gyõrffy Katalin2 - Fischl Géza3 Pannon Agrártudományi Egyetem, Georgikon Mezõgazdaságtudományi Kar, 8360 Keszthely, Deák Ferenc u. 57. 1 - Szaktanácsadási, Továbbképzési és Informatikai Központ 2 - Növényvédelmi Intézet, Herbológiai Tanszék 3 - Növényvédelmi Intézet, Növénykórtani Tanszék Abstract. The joint application of digital image processing can open new possibilities in the developing multimedia matters. In our lecture are giving a short summary about certain processes carried out in the following branches: measuring of leaf surface and structural changes caused by pest, measuring of the phytotoxic effects of herbicides, separation and measuring of diseased and healthy plant parts, histological and pathological examination of potato tubers, recognition of phytopathogenic fungi with computer, morphological feature’s statistical analysis, melioration post examinations, land using, classification of the forest by Spot Image, plant protection and desertification. With the help of images about plants we can measure them in their natural environment without mutilation. Image processing can be used for the identification of various fungi with algorithms making shape recognition possible. Image processing systems make the evaluation of indistinguishable changes possible. By determining intensity values the scale of changes will be numerical and later on they can be evaluated by the traditional mathematical statistical methods. In order to discover the reasons of changes or to stop the causes it can be important to examine their dynamics on one plant. We integrated these results in a developed multimedia education software and using it in the education.
Bevezetés A harmadik évezred küszöbén az információ szelektálásában, feldolgozásában különös jelentõséggel bír a Multimédia. Ez a már-már hétköznapi szakkifejezés a kép, a szöveg és a hang eddig nem látott kombinációját ötvözi. Számítógépen keresztül emberközelbe hozza a bennünket körülvevõ világot. Szórakoztatva tanít. Az oktató számára a "szórakozva tanítás" lehetõségét rejti. Egy-egy multimédia oktató anyag kifejlesztése azonban rendkívül összetett, általában több diszciplina szakembereinek együttes munkáját igényli. Ismert tény, hogy az ember és a környezete közötti kapcsolatban a vizuális információ a legfontosabb a tömörsége miatt. Egyes becslések szerint közel 80 %-a a teljes információnak vizuálisan ér bennünket. Az emberi feldolgozó rendszert a szem és az agy együttesen képezi. Multimédia anyagokhoz digitális információra van szükségünk, amelyet digitális képfeldolgozással, computerek alkalmazásával szerezhetünk. A digitális képfeldolgozással nyert információk egy multimédia oktató anyag elkészítéséhez egyben vizuális és szöveges adatokat is szolgálnak [1], egymáshoz szorosan kapcsolódó formában. Jelen elõadás egyetemünk néhány oktatási-kutatási feladatának kiragadásával próbálja szemléltetni ezen gondolat magvalósítását. Tiz évvel ezelõtt a digitális képfeldolgozás speciális eszközöket (hardware és software is) igényelt. Napjainkban a személyi számítógép alapú eszközök ugrásszerû fejlõdése a képi információk feldolgozását is szinte mindenki számára elérhetõ közelségbe hozza.
Alkalmazott hardware eszközök A digitális képek felvételezésére személyi számítógép alapú rendszert használunk. A rendszer hardware elemei az évek folyamán jelentõs korszerûsítésen estek át. Így a jelenlegi eszközpark két, alapvetõen jól elkülöníthetõ részre osztható [1]. Az egyik egy IBM kompatibilis személyi számítógép, a feldolgozásokat megfelelõen támogató perifériákkal. A képek felvételezéséhez és memóriában történõ tárolásához céleszközöket alkalmaztunk. Ezek képezik az eszközrendszer következõ csoportját (AFP-AT 2048x2048x28 bites képmûkártya, CCD videokamera, reproasztal kamerás felvételekhez és grafikus monitor). A kiértékelések egy DEC Pentium - Windows és egy DEC AXP 3000 - Unix nagyteljesítményû, grafikus gyorsítókkal ellátott munkaállomások segítségével történik, Ethetnet alapú hálózati közegben.
Az alkalmazott software rendszer A feldolgozások során modulárisan felépített software rendszert használtunk, amely a kutatáshoz és oktatáshoz szükséges speciális kiegészítéseket is tartalmazta. Az egyes modulok (PRIMA - PRICLA - CIPRUS - FRAMEBASE - TULIP) önállóan is alkalmazhatók és eszközigényük közel azonos. A kiértékelések egyik software eszköze a PICTRON Számítás- és Videotechnikai Kft. által kifejlesztett PRIMA (PRoper IMage Analysis) általános célú képfeldolgozó rendszer. Alapvetõ képfeldolgozási funkciókat tartalmaz mint például az input/output mûveletek, tömörítés, digitalizáció, aritmetikai és logikai mûveletek, statisztika, szûrések, grafikai és geometriai mûveletek, stb. A PRICLA (PRoper Image CLAssification ) a PRIMA programrendszerre épülõ szegmentáló és alakfelismerõ alrendszer. Segítségével azonosíthatjuk a digitális képen található objektumokat, mérhetjük statisztikai jellemzõiket és osztályokba sorolhatjuk azokat. Az osztályozás a súlyozott legközelebbi szomszédok módszerével történik, 12 általában hagyományos módon nem mérhetõ alaktényezõ alkalmazásával. A CIPRUS programrendszerben is megtalálhatók az alapvetõ feldolgozási funkciók (inputoutput operációk, digitalizálás - három képsíkra, elõfeldolgozás alapmûveletei, file-konverzió, stb.). Ugyanakkor a program fõ modulja színes képek (3x8 bites) három különbözõ módszer szerint történõ osztályozását is végzi. Ezek: - legközelebbi szomszédok módszere, - Box-módszer, - súlypontkeresõ klaszterezés. A FRAMEBASE olyan speciális adatbáziskezelõ rendszer amelyikkel képeket és szövegeket együttesen, egymással összekapcsolva vagy egymástól függetlenül lehet kezelni, tárolni és visszakeresni. Az adatbázis egy logikai egységet (tételt) alkot, amelyet egy file-ban tárolunk és a címükkel azonosítjuk. A visszakeresés tetszõleges kulcsszavak segítségével történik és a használat vagy bevitel során módosíthatók. Definiálásuk hipertext (nemcsak billentyûzetrõl, hanem a felvitt szövegek tetszõleges részletei segítségével is megadhatók) elven történik. A TULIP, a digitális képfeldolgozás elméleti és gyakorlati alapjait bemutató, oktatási célra kifejlesztett interaktív programrendszer. Jelenleg folyamatban van az ERDAS IMAGINE képfeldolgozó rendszer több moduljának telepítése. A digitális képfeldolgozási és térinformatikai elemeket is tartalmazó software
rendszer DEC Alpha platformon, Unix környezetben mûködik. Szervesen integrálva (TCP/IP) PC alapú fejlesztõgépekhez és egyetemi oktatói laborokhoz.
Oktatásban alkalmazott kutatás-fejlesztési területek Herbicidek fitotoxikus hatásának mérése Vizsgálataink során a herbicidek kultúrnövényre (kukorica) kifejtett esetleges fitotoxikus hatását és tolerancia szintjét [7], [10], [14] analizáltuk (1. ábra). A károsodást hagyományos módszerekkel nehéz elemezni. A károsodásokra jellemzõ paraméter a növény gyökerének és zöld-részének felülete [4]. A digitális képfeldolgozás segítségével mérhetõ egyes herbicidek fitotoxikus hatása és annak mértéke a tenyészedényes kísérletek során. A Herbológiai Tanszék kísérleteire épülve a primisulfuron, rimriduron hatóanyagú herbicidek valamint a klóracetanilid herbicidek és az MG 191-es antidótum hatását vizsgáltuk kukorica gyökerére. Az általunk alkalmazott mérési módszer teljesen új, erre a feladatra eddig nem alkalmazott mérési és értékelési eljárásokat tartalmaz [8].
1. ábra Herbicidek kultúrnövényre (kukorica) kifejtett fitotoxikus hatásának mérése.
Kártevõk okozta elváltozások idõbeli mérése A képi információk feldolgozásának a kísérletek lefolyásához viszonyított gyorsasága lehetõséget nyújt a folyamatok megfelelõ idõbeli nyomonkövetésre [15]. A mintavétel gyorsasága CCD kamerával készített felvételek esetén 25 kép/másodperc. A valós idejû feldolgozó rendszerekben a képeket digitalizálás után közvetlenül feldolgozzuk, értékeljük esetleg döntéseket hozunk. A képeket általában nem tároljuk a feldolgozások után. Hasonló mûködésûek bizonyos mezõgazdasági robottechnikai látórendszerek. Ezek a mintavételezési gyorsaságok lehetõvé teszik növényi kártevõk által okozott strukturális és felületi elváltozások idõbeli nyomonkövetését és számszerûsítését. Példaként említjük a káposztalepke /Pieris brassicae L./ hernyó táplálkozásának nyomonkövetését [4]. Felvételeket készítettünk meghatározott idõ ( 5 percenként) elteltével majd a képeket eltároltuk. Az adatokat a kísérletek lefolyása után értékeltük. A feldolgozott képek alapján nyomon követhetjük a hernyó idõbeli táplálkozását természetes környezetének megváltoztatása nélkül (2. ábra).
2. ábra Idõben változó mezõgazdasági folyamatok feldolgozása a természetes környezet megváltoztatása nélkül. Burgonyagumók szövettani és kórszövettani vizsgálata A burgonyagumók kórszövettani vizsgálatánál hat Magyarországon termesztett fajta és öt Keszthelyen nemesített törzs gumóinak elemzését végeztük. A vizsgálatok egy részét képezték a digitális képfeldolgozással történõ mérések és kiértékelések [5], [6], [19], így a parahéjvastagság mérés, az átlagos keményítõszemcse mérés és a keményítõszemcse osztályozás (3. ábra).
3. ábra Átlagos keményítõszemcse mérés és keményítõszemcse osztályozás. Az átlagos keményítõszemcse-méret vizsgálatánál kíváncsiak voltunk arra, hogy a köztudottan eltérõ finomságú (méretû) keményítõszemcsék és a különbözõ fajták/törzsek egy adott kórokozóval szembeni fogékonysága között milyen összefüggés állapítható meg [5]. A statisztikai értékelésekhez STATGRAPHICS 3.0 és STATGRAPHICS Plus programcsomagokat alkalmaztunk. Fitopatogén gombák számítógéppel támogatott felismerése
A különbözõ fitopatogén gombák maghatározásának egyik klasszikus módszere a gombák szaporítóképleteinek morfológiai összehasonlítása. Kutatásaink célja egy ismeretlen gombafaj, szaporító képlet alapján történõ azonosítását támogató rendszer létrehozása volt [3], [4]. A számítógépes képanalízis alkalmazásának elsõ lépésében, 12 gombanemzetségbõl mintegy 14 morfológiailag eltérõ faj került az adattárba. Ebbõl négy látható a 4. ábrán. A kutatások következõ lépésében megkíséreltük a volt Helminthosporium nemzetség (Bipolaris, Drechslera, Exserohilum) néhány fajának azonosítását, melyeket elõzõleg a hagyományos módon fajszinten meghatároztunk. A vizsgálatba 12 morfológiailag hasonló fajt vontuk be. Az osztályozások során használt legtöbb jellemzõ hagyományos módszerekkel nem mérhetõ (flatness, shape, convexity, mean diameter, stb.), meghatározásuk számítógépet igényel [1], [9].
4. ábra Morfológiailag eltérõ fitopatogén gombafajok. Morfológiai paraméterek kiértékelése A mérési eredmények alapján megpróbáltunk az alkalmazott osztályozási eljárások és paraméterek hatékonyságára megfelelõ matematikai módszerek alkalmazásával következtetni. Ezért a gyakorlati eredmények helyességét lényegtömörítésnek (Karhunen-Loeve transzformációnak) megfelelõ matematikai statisztikai feldolgozás (SPSS/PC+ 4.0 - factor analízis) segítségével ellenõriztük. A statisztikai feldolgozások során két, három, négy, öt és hat faktorra végeztünk fõkomponens analízist 63 minta 12 paraméterének mérési eredményeit
felhasználva. Eredményeink négy független paraméter esetén adták a leghatékonyabb felismerést [1]. Meliorációs utóvizsgálatok Multispektrális SPOT ûrfelvételek alapján elvégeztük a melioráció elõtti és utáni talajnedvesség viszonyok analízisét, adott területen [16]. Referencia adatokat közvetlenül a gazdálkodó szervezettôl kaptunk. Az értékelésekbôl megállapíthatóvá vált az alagcsövezés hatása [21]. Kimutatható volt a kevésbé hatásosan mûködô drainek elhelyezkedése (5. ábra).
5. ábra Meliorációs utóvizsgálatok SPOT ûrfelvételek alapján.
Képosztályozó eljárások összehasonlítása digitális légi-, és ûrfelvételeken Digitális légifelvételek (Daedalus Scanner) és Landsat TM ûrfelvételek alapján vizsgáltuk (6. ábra) a különbözô spektrális sávokban hasonló intenzítású, de eltérô növénykultúrák, valamint terméshozam szempontjából különbözô növénykultúrák szétválaszthatóságát [23], [24], [25]. Az alkalmazott képfeldolgozási eljárások közül az RGB színkompozitok osztályozását és az index analízist használtuk [1], [9], [22].
A tesztterületeket Sutton Bonington és környéke (Anglia), és a Balaton északi vizgyûjtôje képezte, amelyekrõl földhasználati referencia adatok álltak rendelkezésre.
6. ábra Képosztályozó eljárások összehasonlítása digitális légi-, és ûrfelvételeken. Károsodott erdõrészek meghatározása SPOT ûrfelvételek alapján A Toulouse-i PURPAN Mezõgazdasági Fõiskola két hallgatójának közremûködésével, SPOT ûrfelvételek értékelését és osztályozását végeztük [11], [12]. Speciális kutatási területünk az erdõk vizsgálata volt. Referenciákat a vizsgált terület közel 1 %-ának, terepen történõ felmérésével gyûjtöttük.
Közel 80 darab véletlenszerûen kiválasztott területet kerestünk fel és vizsgáltunk meg. Jártunk a Zalabaksai Erdészetnél, ahol a fenyõ hótöréses károsodását vizsgáltuk, a Lenti Erdészetnél kiszáradt éger állományt értékeltünk, a Nagykanizsai Erdészetnél szelídgesztenye pusztulást láttunk és a Zalacsányi Erdészetnél a nagyfokú rovarkár következményeit nézhettük meg a tölgyerdõben. A SPOT Multispectral ûrfelvételen digitális képfeldolgozó (PRIMA) és osztályozó (PRICLA) programcsomagok segítségével, a referenciák felhasználásával elkülönítettük, majd azonosítottuk az egyes növénykultúrákat több osztályozó módszert is kipróbálva (7. ábra). Munkánk befejezéseként elvégeztük a felvételek és a begyûjtött információk elemzését a leghatásosabb osztályozó algoritmusok tesztelésével. Az egyes eljárások oktatásban való alkalmazhatóságára mintapéldák készültek [2].
7. ábra Növénykultúrák azonosítása SPOT multispektrális ûrfelvételen. Térinformatikai adatbázis építése Az Informatikai Központban mûködõ térinformatikai rendszerrel GIS adatbázis építését végeztük. A Mapinfo for Windows térinformatikai program és a Magyar Közigazgatási
Térinformatikai Adatbázis (MATÉRIA) felhasználásával Zala megye talajtérképének adatai alapján a talaj kilenc jellemzõjét rögzítettük [20]. Ezek a: - talajtípus, - talajképzõ kõzet, - talaj kémhatása és mészállapota, - talajértékszám, - szervesanyag készlet, - termõréteg vastagság, - talaj vizgazdálkodási tulajdonsága, - két fizikai jellemzõ. Képfeldolgozás és környezetvédelem A környezetvédelmi feladatok felmérésében és megoldásának egyes fázisaiban a digitális képfedlolgozásnak jelentõs szerep jut. A digitális képfeldolgozás környezetvédelmi alkalmazásának eredményeit és lehetõségeit vizsgáltuk a University of Nottingham egy végzõs agrármérnök hallgatójának bevonásával [13]. A kapott információk közvetlenül multimédia oktató tananyag részét képezték.
Összefoglalás A mezõgazdaságban folyó kutatások során alkalmazott mérési és értékelési módszerek gyakran szubjektív megítéléseket is tartalmaznak. A kísérletek megvalósítása a természetes környezet gyakori megváltoztatását teszik szükségessé. A kutatókban problémaként vetõdik fel az a kérdés is, hogy a növényekrõl vizuálisan nyert információkat hogyan lehet számszerûsíteni [4]. A számítástechnikai eszközök elõnyeit szem elõtt tartva, a képi információk hasznosításának területén a digitális képfeldolgozással nyert információk sokrétüségét mutattuk meg, érzékeltetve egyetemünkön folyó szakirányú kutatási és oktatási tevékenységet [2], [18]. A digitális képfeldolgozás különbözõ területeinek (alakfelismerés, multispektrális analízis, méréstechnika, stb.) együttes alkalmazása új lehetõségeket nyit a mezõgazdasági kísérletek értékelésében. A növényekrõl készített felvételek segítségével csonkítás nélkül a természetes környezetükben végezhetünk méréseket. A képfeldolgozás használható alakfelismerést lehetõvé tevõ algoritmusokkal gombák, rovarok identifikálásának elõsegítésére. Mikroszkópikus felvételeket is feldolgozhatunk számítógépes képfeldolgozó rendszerrel, így lényegesen megkönnyíthetünk bizonyos méréseket és kiértékelést. A képanalizáló rendszerek lehetõvé teszik, hogy szabadszemmel nehezen értékelhetõ elváltozásokat elemezzünk. Pl. színváltozás mértékét csak becsléssel tudjuk számszerûsíteni. Az intenzitási értékek meghatározásával az elváltozás mértéke számszerûsíthetõ lesz, és azt követõen már a hagyományos matematikai statisztikai módszerekkel értékelhetõ. Az elváltozások okainak felderítésében, vagy az okok megszüntetésében fontos lehet, hogy az elváltozások dinamikáját egy növényen vizsgáljuk [1], [4]. A digitális képfeldolgozás a mezõgazdasági termelést szolgáló fejlesztések sok területén szolgálhatja új ismeretek megszerzését [17]. Megítélésünk szerint ez a technika eredménnyel használható egyes növények, vagy növénycsoportok elváltozásainak meghatározására. A közeli kamerás felvételek felhasználásával növényi betegségek diagnosztizálásához.
A képi információk digitális módon történõ tárolása hosszú ideig biztosítja az egyes jelenségek archiválását oly módon, hogyha az adott kísérletet már nem ismételhetjük meg, az eltárolt adatokon újabb szempontok szerinti értékelést akkor is végezhetünk. A teljes feldolgozások, oktatási alkalmazások és fejlesztések hat év munkáját tükrözik. Felvételek készítését igénylõ feldolgozások során 300 Mbyte képi információt használtunk. Közel ezer nagyfelbontású, digitális képet készítettünk. A kinyert nem képi jellegû adatok mindössze 0.5-1 Mbyte helyigényûek. Nyolc különbözõ idõpontban készített ûrfelvételt, számos speciális, analóg és digitális légifelvételt értékeltünk ki. Ezek kb. 200 Mbyte nyers képi információnak felelnek meg. Mindez közel fél millió átlagos A/4-es oldallal vagy egy 25 000 kötetes könyvtár irott információival lenne azonos. A munkákban hét kutató, négy hazai és öt külföldi végzõs hallgató vett részt. Az eredmények ismertetését 12 hazai és nemzetközi konferencián elhangzott elõadás és 7 szakmai folyóiratban megjelent cikk jelentette. A témában 4 diplomadolgozat, 5 Tempus szakdolgozat, 1 egyetemi doktori értekezés és 1 akadémiai kandidátusi értekezés készült. Az így létrehozott információk felhasználásával tervezzük egy interaktív oktatási tananyag fejlesztését. Szakirodalmi adatokra és a saját tapasztalatainkra támaszkodva úgy ítéljük meg, hogy a digitális képfeldolgozás multimédia fejlesztõ rendszerekbe integrálódva újszerû információk szolgáltatásával hatékonyan szolgálhatja a mezõgazdasági szaktanácsadás tudásbázisának létrehozását, a természeti adottságokhoz igazodó termelésszerkezet kialakítását. Tapasztalataink azt igazolják, hogy a digitális képi információk feldolgozása hasznos információk forrása lehet interaktív oktatási anyagok fejlesztõinek, irányítóinak s hasznos segítõje a végterméket felhasználó, tanulni vágyóknak.
Irodalom [1] BERKE, J. (1994): Digitális képfeldolgozás alkalmazása mezõgazdasági kísérletek értékelésében. Magyar Tudományos Akadémia. Kandidátusi értekezés, Keszthely. [2] BERKE, J. (1995): Digitális képfeldolgozás mezõgazdasági alkalmazása az oktatásban és kutatásban, Georgikon Mezõgazdaságtudományi Kar I. Ifjúsági Tudományos Fóruma, Keszthely, 125-130. [3] BERKE, J. - FISCHL, G. (1992): Számítógépes képanalízis felhasználásának lehetõségei a fitopatogén gombák identifikálásában. 38. Növényvédelmi Tudományos Napok, Budapest, 78. [4] BERKE, J. - FISCHL, G. - GYÕRFFY, K. - KÁRPÁTI, L. (1991): Digitális képfeldolgozás alkalmazása a növényvédelmi kísérletek értékelésében. MTA VEAB, Veszprém, Pályamunka, 1-38. [5] BERKE, J. - FISCHL, G. - KÕRÖSI, L. (1992): Digital Image Processing of Potato Bulbs. A2-Science and Technology in the Alpine-Adriatic Region, 2:15. [6] BERKE, J. - GYÕRFFY, K. (1993): Digitális képfeldolgozással "Gombakalap" és krumplihéj. Alaplap, 11:12, 3-4. [7] BERKE, J. - GYÕRFFY, K. - FISCHL, G. - KÁRPÁTI, L. (1992): The application of image processing in the evaluation of agricultural experiments. Ist Alps-Adria Workshop on Satellite Data Evaluation and GIS Technologies, Keszthely, XV. [8] BERKE, J. - GYÕRFFY, K. - FISCHL, G. - KÁRPÁTI, L. - BAKONYI, J. (1993): The application of digital image processing in the evaluation of agricultural experiments, 5th International Conference CAIP'93 Budapest. Springer-Verlag, Lecture Notes in Computer Science, 719:780-787.
[9] BERKE, J. - GYÕRFFY, K. - FISCHL, G. - KÁRPÁTI, L. - TIMS, K. I. (1993): Possibility of computer-assisted image processing. Information Technology in High Education, In-country Conference, Debrecen, 533-541. [ 10 ] BUDAI, P. (1992): A kukorica gyökerén végzett tolerancia vizsgálatok szulfonilurea herbicidekkel hagyományos és digitális képfeldolgozási technika segítségével, Pannon Agrártudományi Egyetem, Georgikon Mezõgazdaságtudományi Kar, Keszthely, /diplomadolgozat/. [ 11 ] CALLEDE, V. - CHEMINEAU, E. (1994): The Organization of the Forests in Hungary. Pannon University of Agricultural Sciences, Georgikon Faculty of Agronomy, Keszthely, /TEMPUS project/. [ 12 ] CALLEDE, V. - CHEMINEAU, E. (1994): Classification of the Hungarian Zala Forest, using a Spot Image, Pannon University of Agricultural Sciences, Georgikon Faculty of Agronomy, Keszthely, /TEMPUS project/. [ 13 ] COLE, M. (1994): Remote Sensing Techniques as a Means of Mapping Desertification, Pannon University of Agricultural Sciences, Georgikon Faculty of Agronomy, Keszthely, /TEMPUS project/. [ 14 ] GYÕRFFY, K. - BERKE, J. (1990): Számítógépes képfeldolgozás felhasználásának lehetõsége a növényvédelmi kísérletek értékelésében. 36. Növényvédelmi Tudományos Napok, Budapest. [ 15 ]
KÁRPÁTI, L. - BERKE, J. (1990): Közeli távérzékelés. Magyar Mezõgazdaság, 45:40, 7.
[ 16 ] KÁRPÁTI, L. - BERKE, J. (1990): Applicability of information obtained by remote sensing in Agriculture. XXXIIth Georgikon Scientific Conference, Keszthely, 71-78. [ 17 ] KÁRPÁTI, L. - BERKE, J. (1990): Távérzékeléssel nyert információk feldolgozásának eredményei az Egyetem Számítóközpontjában, " A légifényképek és ûrfelvételek mezõgazdasági hasznosítása " Workshop, Keszthely. [ 18 ] KÁRPÁTI, L. - BERKE, J. - GYÕRFFY, K. - PAPP, T. (1990): OMFB Kutatási jelentés kísérletifejlesztési tevékenységrõl. Keszthely. [ 19 ] KÕRÖS, L. (1991): Burgonya genotipusok és a Phoma exigua var. foveata gazda-parazita kapcsolat vizsgálata, Pannon Agrártudományi Egyetem, Georgikon Mezõgazdaságtudományi Kar, Keszthely, /diplomadolgozat/. [ 20 ] LACROUZADE, A. (1993): Geographic Information System, Pannon University of Agricultural Sciences, Georgikon Faculty of Agronomy, Keszthely, /TEMPUS project/. [ 21 ] NÉMETHNÉ HÚSZ, É. (1991): Mûhold- és légifelvételek digitális feldolgozásának néhány mezõgazdasági alkalmazási lehetõsége, Pannon Agrártudományi Egyetem, Georgikon Mezõgazdaságtudományi Kar, Keszthely, /diplomadolgozat/. [ 22 ] PAPP, T. (1990): Digitális mûholdfelvételek PPC alapú elemzése és a mezõgazdasági alkalmazás lehetõségei, Pannon Agrártudományi Egyetem, Georgikon Mezõgazdaságtudományi Kar, Keszthely, /diplomadolgozat/. [ 23 ] SZABÓ, B. (1992): A távérzékelés alkalmazása a termõhelyi adottságok meghatározásához és a gazdaságos termelés megszervezéséhez, Pannon Agrártudományi Egyetem, Georgikon Mezõgazdaságtudományi Kar, Keszthely, /egyetemi doktori értekezés/. [ 24 ] SZABÓ, B. - BERKE, J. (1992): Practical uses for Remote Sensing and Image Processing in Agriculture. Ist Alps-Adria Workshop on Satellite Data Evaluation and GIS Technologies, Keszthely, V. [ 25 ] TIMS, K. I. (1992): Agricultural Image Processing Applications, Pannon University of Agricultural Sciences, Georgikon Faculty of Agronomy, Keszthely, /TEMPUS project/.
