Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Ronque, Giselle Lopes Ferrari | - |
Autor(es): dc.contributor | Dias, Joao da Silva | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica | - |
Autor(es): dc.creator | Shiga, Yuri Malinowsky | - |
Data de aceite: dc.date.accessioned | 2019-08-22T00:27:50Z | - |
Data de disponibilização: dc.date.available | 2019-08-22T00:27:50Z | - |
Data de envio: dc.date.issued | 2016-02-11 | - |
Data de envio: dc.date.issued | 2016-02-11 | - |
Data de envio: dc.date.issued | 2015 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/1884/40911 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/40911 | - |
Descrição: dc.description | Orientadora : Profª. Drª. Giselle Lopes Ferrari Ronque | - |
Descrição: dc.description | Co-orientador : Prof. Dr. João da Silva Dias | - |
Descrição: dc.description | Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa: Curitiba, 24/08/2015 | - |
Descrição: dc.description | Inclui referências : f. 102-108 | - |
Descrição: dc.description | Área de concentração: Sistemas eletrônicos | - |
Descrição: dc.description | Resumo: Este trabalho apresenta um sistema capaz de segmentar e classificar alimentos baseado em imagens de porções alimentares. Para o desenvolvimento do sistema, foram adquiridas imagens de 16 alimentos de diferentes grupos alimentares, típicos consumidos pela população brasileira. Para a criação da base de dados utilizada neste trabalho, foram obtidas manualmente 1200 imagens de pratos contendo apenas um alimento, e 60 imagens de pratos contendo diversos alimentos. O sistema proposto neste trabalho é capaz de segmentar os alimentos de uma imagem, utilizando a técnica de crescimento de regiões nos planos vermelho, verde, azul e matiz da imagem. Cada alimento tem suas características extraídas com base na sua coloração e textura. Para a cor foram utilizadas as médias e os desvios padrão dos valores dos pixels nos planos vermelho, verde, azul e matiz da imagem, formando um vetor de características de 8 posições para representar as características de cor. Para a textura foi utilizado o histograma da imagem gerado pelo descritor local phase quantization (LPQ), formando um vetor de 255 posições para representar as características de textura. Foi realizada a fusão dos vetores de características de cor e textura, formando um vetor único de características com 263 posições. As características extraídas das imagens de pratos contendo apenas um alimento foram utilizadas para treinar uma rede Bayesiana. Utilizando as técnicas de validação cruzada e conjunto de teste fornecido, testes foram efetuados para validar a eficácia da rede Bayesiana treinada. Com a técnica de validação cruzada, obteve-se um resultado médio de 95,63% de amostras classificadas corretamente. No teste realizado utilizando um conjunto de teste fornecido, foram utilizados os alimentos segmentados de imagens com diversos alimentos no prato, e nesse teste, 240 amostras foram classificadas pela rede Bayesiana, e apenas 23 foram classificadas incorretamente, apresentando 90,42% de taxa de acerto. Um último teste foi realizado em um conjunto de dados ampliado, utilizando a técnica de validação cruzada, obtendo um resultado médio de 96,26% de amostras classificadas corretamente. Palavras-chave: Crescimento de regiões. LPQ. Processamento digital de imagens. Redes Bayesianas. Classificação de alimentos. | - |
Descrição: dc.description | Abstract: This work presents a system to target and classify foods based on food portions of images. To develop the system, 16 food images were acquired from different food groups, typical consumed by the Brazilian population. To create the database used in this study were obtained manually 1200 images of dishes containing only one food, and 60 images of dishes containing various foods. The system proposed in this paper is able to target the food of an image using a region growing technique in red, green, blue and hue image plans. Each food has its characteristics extracted based on its color and texture. For color, the averages and standard deviations of the pixel values in red, green, blue and hue image plans are used, forming a vector of 8 positions to represent the color characteristics. For texture, it was used the histogram of the image generated by the local phase quantization (LPQ) descriptor, forming a vector of 255 positions to represent the texture characteristics. The fusion of the feature vectors of color and texture was performed, forming a single feature vector with 263 positions. The features extracted from the images of dishes containing only one food were used to train a Bayesian network. Using the cross-validation and supplied test set techniques, tests were performed to validate the effectiveness of trained Bayesian network. With the cross-validation technique, there was obtained an average score of 95.63% correctly classified samples. In the test performed using a supplied test set, the foods segmented of images of dishes containing various foods were used, in this test, 240 samples were classified by the Bayesian network, and just 23 were incorrectly classified, presenting 90.42% accuracy rate. A final test was performed on a set of extended data using cross-validation technique, achieving an average score of 96.26% correctly classified samples. Key words: Region growing. LPQ. Digital image processing. Bayesian networks. Foods classification. | - |
Formato: dc.format | 114 f. : il. algumas color., tabs., grafs. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Relação: dc.relation | Disponível em formato digital | - |
Palavras-chave: dc.subject | Engenharia elétrica | - |
Palavras-chave: dc.subject | Teses | - |
Palavras-chave: dc.subject | Processamento de imagens - Tecnicas digitais | - |
Palavras-chave: dc.subject | Nutrição - Avaliação | - |
Palavras-chave: dc.subject | Alimentos - Composição | - |
Título: dc.title | Sistema de identificação de alimentos baseado em imagens de porções alimentares | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: