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 | Oliveira, Claiton de | - |
Autor(es): dc.contributor | Oliveira, Claiton de | - |
Autor(es): dc.contributor | Snaches, Silvio Ricardo Rodrigues | - |
Autor(es): dc.contributor | Corrêa, Cléber Gimenez | - |
Autor(es): dc.creator | Moreti, Caio Vinícius Pertile | - |
Data de aceite: dc.date.accessioned | 2022-08-04T20:17:45Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T20:17:45Z | - |
Data de envio: dc.date.issued | 2022-05-18 | - |
Data de envio: dc.date.issued | 2022-05-18 | - |
Data de envio: dc.date.issued | 2020-10-18 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/28581 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/706237 | - |
Descrição: dc.description | The quality of a fruit is an important factor for producers and consumers. Manual separation, that is a harvesting or post-harvest stage is a great labor effort, and if not carried out correctly, can cause damage to both sides. Computer vision plays an important role in making fruit classifications, based on features extracted from images, with techniques that are continuously improved over time. This work proposes to compare different classification methods, combining them with different characteristics extracted from the images, such as color, shape and texture, in order to identify the best combination, and achieve the best possible accuracy. In this way, this work portrays the use of algorithms descriptors of images in fruits, with the objective of extracting their characteristics. With the aid of computer vision, the tests and the training are carried out based on the characteristics of each image, aiming at a comparison between the proposed methods that best help in the classification of a particular fruit. The set of images used is called Fruits-360, obtained through the work of Muresan e Oltean (2018), where 5279 images of fruits that have similarities between them, such as round and red, were selected. The extraction of characteristics from fruit images is based on algorithms that describe color (GCH and CCV), shape (Hu Moments) and texture (LBP and Haralick). It was found that the IBK classification algorithm obtained, in most experiments, the best result of accuracy and standard deviation for similar fruit images. | - |
Descrição: dc.description | A qualidade de uma fruta é um importante fator para os produtores e consumidores. A separação, de forma manual tanto na etapa da colheita ou pós-colheita representa um grande esforço braçal, e se não realizada de forma correta, pode acarretar prejuízos para ambos os lados. A visão computacional desempenha um importante papel para realizar classificações de frutas, a partir de características extraídas das imagens, com técnicas que são continuamente aprimoradas ao longo do tempo. Esse trabalho tem como proposta comparar diferentes métodos de classificação, combinando-os com as diferentes características extraídas das imagens, tais como a cor, a forma e a textura, para assim identificar a melhor combinação, e atingir a melhor acurácia possível. O conjunto de imagens utilizado chama-se Fruits-360, obtido por meio do trabalho de Muresan e Oltean (2018), onde foram selecionadas 5279 imagens de frutas que apresentam semelhanças entre si, tais como redondas e vermelhas. A extração de características das imagens de frutas foi baseada em algoritmos que descrevem a cor (GCH e CCV), a forma (Momentos de Hu) e a textura (LBP e Haralick). Verificou-se que o algoritmo de classificação IBK obteve, na maioria dos experimentos, o melhor resultado de acurácia e desvio padrão para as imagens de frutas semelhantes. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Cornelio Procopio | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Visão por computador | - |
Palavras-chave: dc.subject | Processamento de imagens | - |
Palavras-chave: dc.subject | Sistemas de reconhecimento de padrões | - |
Palavras-chave: dc.subject | Computer vision | - |
Palavras-chave: dc.subject | Image processing | - |
Palavras-chave: dc.subject | Pattern recognition systems | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Comparação de métodos descritores e métodos de aprendizado de máquina aplicados no reconhecimento de imagens de frutas | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: