Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Classificação do nível de crescimento de colônias de fungos em meio sólido: uma abordagem baseada em aprendizado de máquina
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1089298
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Mantovani, Rafael Gomes | - |
| Autor(es): dc.contributor | Souza, Francisco Carlos Monteiro | - |
| Autor(es): dc.contributor | Carvalho, Luiz Fernando | - |
| Autor(es): dc.contributor | Oliva, Jefferson Tales | - |
| Autor(es): dc.contributor | Mantovani, Rafael Gomes | - |
| Autor(es): dc.creator | Vismara, Edgar de Souza | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T12:06:59Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T12:06:59Z | - |
| Data de envio: dc.date.issued | 2022-11-20 | - |
| Data de envio: dc.date.issued | 2022-11-20 | - |
| Data de envio: dc.date.issued | 2021-12-20 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/30124 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1089298 | - |
| Descrição: dc.description | The measurement of colony growth in solid state is a common technique applied in atudies that develops control agents of pathogenic fungi. The measurement procedures usually envolves the visual identification and manual measurement of colonies in petri dishes. Recently, some measurement techniques have been developed based on the segmentation of colony images. This segmentation is done by applying digital image analysis techniques or machine learning models (ML). These approaches have two things in common: high controlled enviroment where the images were obtained; and a segmented image as final output, which in the case of AM, is only possible through the application of an exhaustive method of manual labeling at the pixel level. In addition, those ML-based studies little explores the importance of image features in the classification process and they also tests a very limited range of ML algorithms. An interesting characteristic of ML is the fact that it allows to perform the classification tasks of entire images without the need of pixel-level labeling. Thus, this work proposes a classification method of fungal growth, based on ML, which performs this task in entire images obtained with any control of the luminosity conditions. This method was applied to a set of 537 images of petri dishes incubated with Botrytis cinerea and obtained in an experiment ran in the phytopathology laboratory of UTFPR/DV. The images were pre-processed and from them were extracted 94 features that gave rise to four data sets: "Color channels", "Histograms", "Remain features" (edge + texture) and "Complete" (all features). From these, were removed constant, identifiers and self-correlated features (threshold of 0.85). Also a new data set was created by aggregating the first three. The labeling process considered 3 growth levels and was performed by a specialist. For each of the 5 datasets, 9 ML algorithms (including two baselines) were trained through a k-fold cross-validation procedure with k = n = 10, producing 45 trained models. In order to compare the performance of the models, the balanced accuracy was computed and it values were submitted to comparison through Kruskal-Wallis test. From all trained models, 16 showed balanced accuracy above 0.8 and the top 11 showed no difference at 5% of significance by the statistical test. Among the tested features, those related to the color chanels were the most relevant according to the importance values computed in the Random Forest and because there are 6 models trained only with these features on the top 11. Among all, the most important feature was the standard deviation of the channel intensity. Finally, from these 11 top models we selected 3 according to the complexity of its algorithm and always using the color channels as features. They were: Multinomial, k-NN and SVM. At the end these models were combined trough a voting procedure and used for prediction, obtaining a balanced accuracy of 0.9099667. | - |
| Descrição: dc.description | A aferição do crescimento de colônias em meio sólido é uma técnica comumente empregada em estudos de agentes de controle de fungos fitopatogênicos. Os procedimentos de aferição usualmente utilizados são baseados na identificação visual e na medição manual das colônias em placas de PetriR. Recentemente, tem-se desenvolvido algumas técnicas de aferição do crescimento microbiano baseadas na segmentação das imagens da colônia. Esta segmentação é feita aplicando-se a análise digital das imagens ou técnicas de aprendizado de máquina (AM). Estas abordagens tem dois pontos em comum: grande controle do processo de obtenção das imagens e ter como saída uma imagem segmentada que, no caso do AM, só é possível através da aplicação de um método exaustivo de rotulação manual em nível de pixel. Além disso, os trabalhos baseados em AM pouco exploram a importância dos atributos das imagens no processo de classificação e testam uma gama muito limitada de algoritmos. Uma característica interessante do AM é o fato deste permitir a realização de tarefas de classificação de imagens inteiras sem a necessidade da rotulação em nível de pixel. Desta forma, este trabalho propõe um método de classificação do crescimento fúngico, baseado em AM, que realiza esta tarefa em imagens inteiras obtidas sem controle das condições de luminosidade. Este método foi aplicado à um conjunto de 537 imagens de placas de PetriR incubadas com Botrytis cinerea e obtidas num experimento conduzido no laboratório de fitopatologia da UTFPR/DV. As imagens foram pré processadas e delas foram extraídas 94 características que deram origem à quatro conjuntos de dados: "Canais de cor", "Histogramas", "Demais características" (borda + textura) e "Completo" (todas as características). Destes foram removidas as características constantes, identificadoras e auto correlacionadas (limiar de 0,85). Ao final, uma novo conjunto de dados foi criado pela agregação das características remanescentes dos três primeiros. A rotulação considerou 3 níveis de crescimento e foi realizado por um especialista. Para cada um dos 5 conjuntos de dados foram treinados 9 algoritmos de AM (dois baseline através de um procedimento de validação cruzada do tipo k-fold, com k = n = 10, gerando 45 modelos induzidos. A fim de comparar o desempenho dos modelos foi computado o valor de acurácia balanceada, posteriormente comparados pelo teste de Kruskal-Wallis. 16 modelos apresentaram acurácia balanceada acima de 0,8, sendo que destes, os 11 primeiros não apresentaram diferença à 5% de significância pelo teste estatístico. Dentre as características testadas, as de Cor se mostraram as mais relevantes, de acordo com aos valores de importância computados no algoritmo Random Forest e pelo fato de haver 6 modelos induzidos apenas com estas características no rol dos 11 melhores. Dentre todas as características a mais importante foi o desvio padrão da intensidade dos canais. Por fim, destes 11 melhores modelos foram selecionados 3 de acordo com a complexidade do algoritmo e sempre utilizando as características de cor como preditores. Foram eles: Multinomial, k-NN e SVM. Ao final estes modelos foram utilizados para predição no conjunto de dados a partir de um processo de voting, obtendo-se uma acurácia balanceada de 0,9099667. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Dois Vizinhos | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Especialização em Ciência de Dados | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | Attribution-ShareAlike 4.0 International | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-sa/4.0/ | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Fungos | - |
| Palavras-chave: dc.subject | Algorítmos computacionais | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Fungi | - |
| Palavras-chave: dc.subject | Computer algorithms | - |
| Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
| Título: dc.title | Classificação do nível de crescimento de colônias de fungos em meio sólido: uma abordagem baseada em aprendizado de máquina | - |
| Título: dc.title | Classification of the growth level of fungal colonies on solid state: a machine learning approach | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
Não existem arquivos associados a este item.
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:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo