Análise de imagem e aprendizagem de máquina na avaliação da qualidade de sementes de arroz

• Ano de defesa: 2020
• Autor(a) principal: Garcia Cuadrado, Johan Bernardo
• Orientador(a): Dias, Denise Cunha Fernandes dos Santos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa
• Área do conhecimento CNPq: Fitotecnia
• Link de acesso: https://locus.ufv.br//handle/123456789/28939

O Brasil é o maior produtor e consumidor de arroz fora do continente asiático, com crescente demanda anual na produção, o que aumenta também a necessidade de lotes de sementes de alta qualidade para a implantação da cultura. Para um eficiente controle da qualidade dos lotes a serem comercializados é importante disponibilizar para as empresas métodos de baixo custo e fácil execução que permitam obter informações seguras e rápidas de cada lote produzido. Neste contexto, destacam-se as análises automatizadas de imagens de sementes e de plântulas, que permitem obter informações sobre o potencial fisiológico das sementes, e métodos avançados capazes de auxiliar na identificação de misturas varietais. Diante disso, objetivou-se: i) avaliar a eficiência dos softwares SAPL ® e ILASTIK na detecção de diferenças no potencial fisiológico de lotes de sementes de arroz; ii) propor um método rápido e não-destrutivo para auxiliar na identificação de cultivares arroz com uso de sistema de visão computacional combinado com algoritmos de aprendizagem de máquina. Foram conduzidos dois experimentos no Laboratório de Sementes do DAA/UFV, em delineamento inteiramente casualisado com quatro repetições. No experimento 1, foram utilizadas sementes de quatro lotes da cultivar F- 2000, 6 lotes da cultivar Caçula, 6 lotes da cultivar Relâmpago, caraterizados incialmente pelos testes de germinação, primeira contagem de germinação, envelhecimento acelerado, teste de frio, índice de velocidade de emergência e índice de velocidade de emissão de radícula. Com o software SAPL ® foram obtidos os parâmetros comprimento total de plântula, raiz e parte aérea, índice de vigor e índice de uniformidade determinados aos 4 e 5 dias após o início do teste. Já com o software ILASTIK, realizou-se a classificação das plântulas quanto ao vigor obtendo-se os parâmetros número de plântulas vigorosas e número de plântulas fracas. Os dados foram submetidos à análise de variância realizada separadamente para cada cultivar e as médias obtidas foram comparadas pelo teste de Tukey a 5% de probabilidade. Os dados obtidos em cada teste foram também submetidos à análise de correlação de Pearson. No experimento 2, foram utilizadas sementes de oito cultivares arroz e sementes de arroz vermelho e arroz preto provindas de amostras de lotes comerciais. As imagens das sementes foram adquiridas e processadas com auxílio do equipamento GroundEye ® , obtendo depois da segmentação das regiões de interesse nas imagens, 312 variáveis de cor, textura e geometria de cada semente. Para a análise dos dados, foi realizada estatística multivariada com a análise de componentes principais (PCA). Foram utilizados os algoritmos Linear Discriminant Analysis (LDA) e Support Vector Machine - Radial (SVM-R) para a criação dos modelos de classificação, avaliados com base na matriz de confusão para os cálculos das métricas acurácia, Kappa, sensitividade, especificidade e acurácia balanceada. Concluiu-se que os softwares SAPL ® e ILASTIK foram eficientes para a avaliação do potencial fisiológico de sementes de arroz, apresentando resultados correlacionados com os obtidos nos demais testes de vigor utilizados. Os parâmetros obtidos por meio da classificação das imagens geradas por ambos os sistemas computadorizados podem ser utilizados nos programas de controle de qualidade de sementes de arroz. Verificou-se também que os modelos desenvolvidos mostraram alto desempenho na identificação de cultivares arroz, principalmente com uso das características de cor e textura das imagens, obtendo-se acurácia de 78% e 80% com os algoritmos LDA e SVM-R, respectivamente. Esta alta precisão mostrou que os métodos de visão computacional com algoritmos de aprendizagem de máquina têm potencial para serem usados na identificação de sementes de cultivares de arroz. Palavras-chave: Oryza sativa L. Qualidade fisiológica. Automatização.