Registro fonte: Classificação de imagens de soja baseada em aprendizado profundo

Classificação de imagens de soja baseada em aprendizado profundo

Brazil 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 ac...

ver descrição completa

Autor principal:	Souza Junior, Marcelo de
Formato:	Dissertação
Idioma:	Português
Publicado em:	Universidade Tecnológica Federal do Paraná 2019
Assuntos:	Soja - Produtos Tetrazolio Aprendizado do computador Soybean products Tetrazolium Machine learning CNPQ::CIENCIAS EXATAS E DA TERRA Ciência da Computação
Acesso em linha:	http://repositorio.utfpr.edu.br/jspui/handle/1/4506
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	riut-1-4506
recordtype	dspace
spelling	riut-1-45062019-10-23T06:00:40Z Classificação de imagens de soja baseada em aprendizado profundo Classification of seeds images in deep learning Souza Junior, Marcelo de Bugatti, Pedro Henrique http://lattes.cnpq.br/2177467029991118 Saito, Priscila Tiemi Maeda http://lattes.cnpq.br/6652293216938994 Sanches, Danilo Sipoli http://lattes.cnpq.br/6377657274398145 Paschoal, Alexandre Rossi http://lattes.cnpq.br/5834088144837137 Silva, Marcelo Ponciano da http://lattes.cnpq.br/5460455448058206 Bugatti, Pedro Henrique http://lattes.cnpq.br/2177467029991118 Soja - Produtos Tetrazolio Aprendizado do computador Soybean products Tetrazolium Machine learning CNPQ::CIENCIAS EXATAS E DA TERRA Ciência da Computação Brazil 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. Conselho Nacional do Desenvolvimento Científico e Tecnológico (CNPq) Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Fundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do Paraná Secretaria da Ciência, Tecnologia e Ensino Superior (SETI) O 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. 2019-10-22T19:24:32Z 5000 2019-10-22T19:24:32Z 2018-08-15 masterThesis SOUZA JUNIOR, Marcelo de. Classificação de imagens de soja baseada em aprendizado profundo. 2018. 115 f. Dissertação (Mestrado em Informática) – Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2018. http://repositorio.utfpr.edu.br/jspui/handle/1/4506 por embargoedAccess application/pdf Universidade Tecnológica Federal do Paraná Cornelio Procopio Brasil Programa de Pós-Graduação em Informática UTFPR
institution	Universidade Tecnológica Federal do Paraná
collection	RIUT
language	Português
topic	Soja - Produtos Tetrazolio Aprendizado do computador Soybean products Tetrazolium Machine learning CNPQ::CIENCIAS EXATAS E DA TERRA Ciência da Computação
spellingShingle	Soja - Produtos Tetrazolio Aprendizado do computador Soybean products Tetrazolium Machine learning CNPQ::CIENCIAS EXATAS E DA TERRA Ciência da Computação Souza Junior, Marcelo de Classificação de imagens de soja baseada em aprendizado profundo
description	Brazil 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.
format	Dissertação
author	Souza Junior, Marcelo de
author_sort	Souza Junior, Marcelo de
title	Classificação de imagens de soja baseada em aprendizado profundo
title_short	Classificação de imagens de soja baseada em aprendizado profundo
title_full	Classificação de imagens de soja baseada em aprendizado profundo
title_fullStr	Classificação de imagens de soja baseada em aprendizado profundo
title_full_unstemmed	Classificação de imagens de soja baseada em aprendizado profundo
title_sort	classificação de imagens de soja baseada em aprendizado profundo
publisher	Universidade Tecnológica Federal do Paraná
publishDate	2019
citation	SOUZA JUNIOR, Marcelo de. Classificação de imagens de soja baseada em aprendizado profundo. 2018. 115 f. Dissertação (Mestrado em Informática) – Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2018.
url	http://repositorio.utfpr.edu.br/jspui/handle/1/4506
_version_	1805320649209544704
score	10,814766

Classificação de imagens de soja baseada em aprendizado profundo

Registros relacionados