Classificação de imagens de soja baseada em aprendizado profundo

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBugatti, Pedro Henrique-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2177467029991118-
Autor(es): dc.contributorSaito, Priscila Tiemi Maeda-
Autor(es): dc.contributorhttp://lattes.cnpq.br/6652293216938994-
Autor(es): dc.contributorSanches, Danilo Sipoli-
Autor(es): dc.contributorhttp://lattes.cnpq.br/6377657274398145-
Autor(es): dc.contributorPaschoal, Alexandre Rossi-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5834088144837137-
Autor(es): dc.contributorSilva, Marcelo Ponciano da-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5460455448058206-
Autor(es): dc.contributorBugatti, Pedro Henrique-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2177467029991118-
Autor(es): dc.creatorSouza Junior, Marcelo de-
Data de aceite: dc.date.accessioned2022-02-21T22:14:37Z-
Data de disponibilização: dc.date.available2022-02-21T22:14:37Z-
Data de envio: dc.date.issued2019-10-21-
Data de envio: dc.date.issued4999-
Data de envio: dc.date.issued2019-10-21-
Data de envio: dc.date.issued2018-08-15-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/4506-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/670854-
Descrição: dc.descriptionBrazil is one of the biggest soy producers and exporters in the world. Several tests are carried out on quality control of the seed industry, always striving to guarantee excellence in seed quality. Among the several tests used in the seeds laboratories, the tetrazolium test stands out due to its accuracy and speed, as well as delivering information regarding the feasibility and vigor (vitality) of seeds lots. The vitality is one of the most important characteristic of the seeds, since it determines the potential for the plants to germinate, emerge and result in normal plantules. Nevertheless, the classification of the seeds’ vigor is totally linked to the knowledge and experience of the seeds analyst. This visual analysis is a highly tiresome and, thus, an errorprone task. Due to this issue, the present project aimed to develop a framework capable provide an automatic classification of soybean seed vigor (submitted to the tetrazolium test) through its damages, as well as their severity levels, hence helping the seed analyst. To do so, the proposed frammework integrates computer vision techniques and machine learning approches. The feature extraction process is accomplished not only through hand-crafet features, but also using deep features obtained from different convolutional neural networks with transfer learning techniques. Morevoer, it was analyzed the behavior of several supervised classifiers joined with the aforecited features type regarding the seed vigor classification. The obtained results testified that it was possible to obtain good results related to the classification acuracy of the seeds’ vigor, and also important conclusions to this context.-
Descrição: dc.descriptionConselho Nacional do Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionFundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do Paraná-
Descrição: dc.descriptionSecretaria da Ciência, Tecnologia e Ensino Superior (SETI)-
Descrição: dc.descriptionO Brasil é um dos maiores produtores e exportadores de soja do mundo. Diversos testes são realizados no controle de qualidade da indústria de sementes procurando sempre garantir excelência na qualidade das mesmas. Entre os diversos testes realizados nos laboratórios de sementes, o teste de tetrazólio destaca-se devido sua precisão e rapidez, bem como a entrega de informações a respeito da avaliação da viabilidade e do vigor dos lotes de sementes. O vigor é uma das características mais importantes das sementes, pois determina o potencial para a planta germinar, emergir e resultar em plântulas normais. Porém a classificação do vigor das sementes está totalmente ligada ao conhecimento e experiência do analista de sementes, tarefa essa altamente cansativa e suscetível a erros, pois depende da análise visual de milhares de sementes em um dia. Diante desta peculiaridade, o presente trabalho teve como objetivo desenvolver um arcabouço que permitisse automatizar o processo de análise visual e classificação dos danos encontrados nas mesmas, resultando na posterior definição do vigor baseado nas características existentes nas sementes após serem submetidas ao teste de tetrazólio, auxiliando o especialista. Para tal, foram aplicadas técnicas de visão computacional integradas tanto ao processo de extração de características tradicional, como ao baseado em diferentes arquiteturas de aprendizado profundo por meio de métodos de transferência de aprendizado (transfer learning). Além disso, foram aplicados e analisados os comportamentos de diferentes classificadores supervisionados para o problema. Como contribuição adicional o trabalho também gerou a construção de uma nova de base de imagens de sementes de tetrazólio, a qual possui capacidade futura de permitir extensões e melhorias dos métodos de análise de imagens aplicados ao problema em questão. A partir dos experimentos realizados foi possível obter conclusões relevantes relacionadas ao contexto, bem como bons resultados relacionados à acurácia obtida na classificação automática do vigor.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCornelio Procopio-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Informática-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsembargoedAccess-
Palavras-chave: dc.subjectSoja - Produtos-
Palavras-chave: dc.subjectTetrazolio-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectSoybean products-
Palavras-chave: dc.subjectTetrazolium-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA-
Palavras-chave: dc.subjectCiência da Computação-
Título: dc.titleClassificação de imagens de soja baseada em aprendizado profundo-
Título: dc.titleClassification of seeds images in deep learning-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.