Classificação do tipo de tomate por meio de imagem: um estudo de caso utilizando redes neurais convolucionais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSantos, José Airton Azevedo dos-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-2568-5734-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1208427854093144-
Autor(es): dc.contributorKonopatzki, Evandro André-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-9950-4561-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2271391188375487-
Autor(es): dc.contributorFernandes, Carlos Aparecido-
Autor(es): dc.contributorhttps://orcid.org/0000-0001-7675-8529-
Autor(es): dc.contributorhttp://lattes.cnpq.br/9077561280819218-
Autor(es): dc.contributorSantos, José Airton Azevedo dos-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-2568-5734-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1208427854093144-
Autor(es): dc.contributorSilva, Luciana Del Castanhel Peron da-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5380611529070405-
Autor(es): dc.contributorTonin, Paulo César-
Autor(es): dc.contributorhttp://lattes.cnpq.br/6557298196355263-
Autor(es): dc.creatorOliveira, Leandro de-
Data de aceite: dc.date.accessioned2025-08-29T12:57:14Z-
Data de disponibilização: dc.date.available2025-08-29T12:57:14Z-
Data de envio: dc.date.issued2024-04-15-
Data de envio: dc.date.issued2024-04-15-
Data de envio: dc.date.issued2024-03-07-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/33783-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1104850-
Descrição: dc.descriptionThe aim of this work is to use artificial neural networks to classify different types of tomatoes (variety or cultivar) on sale in establishments in the western region of Paraná. The classification process was carried out using models based on convolutional neural networks, and included image acquisition and processing, training, validation and testing of the classification models. A smartphone camera was used to build the tomato image database. The models chosen for classification were: ResNet50V2, MobileNet, MobileNetV2, Xception, EfficientNetV2B0, EfficientNetV2B1, EfficientNetV2B2 and EfficientNetV2B3, which were implemented in the Python language using the Keras API of the TensorFlow framework. The results obtained from the eight models were compared using accuracy and loss. For a test set of 12 images, significantly different from the training set, the MobileNet model performed best, with a test accuracy of 83.33% and an error of 0.622.-
Descrição: dc.descriptionEste trabalho tem como objetivo classificar, por meio de rede neural artificial, diferentes tipos de tomates (variedade ou cultivar), dispostos à venda em estabelecimentos da Região Oeste Paranaense. O processo de classificação ocorreu por meio da utilização de modelos baseados em redes neurais convolucionais, e compreendeu a aquisição e processamento de imagens, treinamento, validação e teste dos modelos de classificação. Utilizou-se, para construção da base de dados de imagens de tomates, uma câmera de smartphone. Os modelos escolhidos para classificação foram: ResNet50V2, MobileNet, MobileNetV2, Xception, EfficientNetV2B0, EfficientNetV2B1, EfficientNetV2B2 e EfficientNetV2B3, os quais foram implementados na linguagem Python, utilizando a API Keras do framework TensorFlow. Os resultados obtidos, dos oito modelos, foram comparados por meio da acurácia (accuracy) e do erro (loss). Verificou-se, para um conjunto de teste de 12 imagens, significativamente diferente do conjunto de treinamento, que o modelo MobileNet apresentou o melhor desempenho, com uma acurácia de teste de 83,33% e um erro de 0,622.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherMedianeira-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Tecnologias Computacionais para o Agronegócio-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttps://creativecommons.org/licenses/by/4.0/deed.pt-br-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectPython (Linguagem de programação de computador)-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectPython (Computer program language)-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Palavras-chave: dc.subjectEngenharia/Tecnologia/Gestão-
Título: dc.titleClassificação do tipo de tomate por meio de imagem: um estudo de caso utilizando redes neurais convolucionais-
Título: dc.titleTomato type classification through images: a case study using convolutional neural networks-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.