Classificação de imagens de grãos ardidos de milho por análise de cor e textura

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Silva, Gustavo Viais de Brito
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual de Maringá
Departamento de Informática
Programa de Pós-Graduação em Ciência da Computação
Maringá, PR
Centro de Tecnologia
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Milho - Grãos ardidos - Classificação
Processamento digital de imagens
Reconhecimento de padrões
Análise de textura
633.15
Ciências Exatas e da Terra
Ciência da Computação
Link de acesso: http://repositorio.uem.br:8080/jspui/handle/1/7597
Resumo: Orientador: Prof. Dr. Franklin César Flores
id UEM-10_e9241d2bcf5c591e306ed8daf737c4e7
oai_identifier_str oai:localhost:1/7597
network_acronym_str UEM-10
network_name_str Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
repository_id_str
spelling Classificação de imagens de grãos ardidos de milho por análise de cor e texturaMilho - Grãos ardidos - ClassificaçãoProcessamento digital de imagensReconhecimento de padrõesAnálise de textura633.15Ciências Exatas e da TerraCiência da ComputaçãoOrientador: Prof. Dr. Franklin César FloresDissertação (mestrado em Ciência da Computação)--Universidade Estadual de Maringá, 2021Resumo: Com o constante aumento no volume de produção e exportação de milho, torna-se cada vez maior a necessidade de transformação digital e automatização das operações realizadas nesse contexto. A utilização de artefatos tecnológicos é de fundamental importância para as empresas do agronegócio que comercializam grãos de milho, uma vez que proporcionam maior controle, agilidade, eficácia e segurança nos procedimentos. Embora operações automáticas estejam presentes na maior parte do cenário, algumas atividades ainda são executadas de forma manual, como o processo de classificação de grãos ardidos contidos nas amostras de milho que são comercializadas. A classificação visa analisar a qualidade e características dos grãos de acordo com um padrão comercial estabelecido pela empresa compradora desse cereal. De acordo com as características identificadas, a negociação pode sofrer alterações de preço ou até mesmo ser rejeitada. Logo, a correta classificação dos grãos é fundamental para aumentar a rentabilidade e qualidade do milho comercializado pelas empresas. Assim sendo, o presente trabalho tem como objetivo apresentar uma metodologia para estimar automaticamente a faixa percentual de grãos ardidos a partir da análise global de imagens de amostras de grãos de milho. Para se aproximar da análise realizada atualmente pelas empresas, os percentuais de grãos ardidos nas imagens capturadas foram estabelecidos de acordo com o peso proporcional desses elementos na amostra e não pela contagem dos grãos. Nesta metodologia, as imagens são adquiridas seguindo uma padronização de captura. Em seguida, são calculados histogramas de descritores de cor e textura para caracterizar as imagens de entrada. Tais histogramas são submetidos a classificadores supervisionados para se estimar a faixa percentual de grãos ardidos. Foram testados diversos classificadores (classificador de distância ao protótipo, SVM, Naive Bayes e Árvore de Decisão) para categorizar as faixas percentuais de grãos ardidos. Nestes testes, o classificador SVM aprimorado por uma técnica de boosting (AdaBoost) obteve acurácia média de até 99,97%.Abstrat: Due to the constant increase in corn production and exportation volume, it becomes necessary a digital transformation and tasks automatization in this scenario. The technological artifacts are an important tool for agribusiness companies, once they can improve the controls, agility, efficacy and safety of the procedures. Although automatic operations are frequently used, some activities are still executed manually, such as the rot corn grains classification process. The classification aims to analyze the quality and characteristics of the grains according to a predefined commercial pattern, which are established by the companies that commercialize this cereal. According to the identified characteristics, the negotiation might be affected by price reduction or rejection. Therefore, performing the classification properly is essential to increase the profitability and quality of the corn sold by the companies. Thus, this work aims to introduce a methodology for automatic estimation of percentual range of rot grains by global image analysis of corn grain samples. To be closer to the real process, we diversified the rot percentage inside the images samples by weighing the grains instead of counting it. In this methodology, the images were collected by following a capturing pattern. Next, histograms of color and texture descriptors were computed to characterize the input images. Such histograms were submitted to supervised classifiers to estimate the corn grains percentual range. Several classifiers were tested (minimum distance classifier, SVM, Naïve Bayes and Decision Tree) to categorize the corn grains percentual range. In these tests, SVM classifier improved by a boosting technique (AdaBoost) achieved an average accuracy up to 99.97%.118 f. : il. color.Universidade Estadual de MaringáDepartamento de InformáticaPrograma de Pós-Graduação em Ciência da ComputaçãoMaringá, PRCentro de TecnologiaFlores, Franklin CésarIgarashi, WagnerCampos, Teófilo Emídio deSilva, Gustavo Viais de Brito2024-06-11T19:11:24Z2024-06-11T19:11:24Z2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSILVA, Gustavo Viais de Brito. Classificação de imagens de grãos ardidos de milho por análise de cor e textura. 2021. 118 f. Dissertação (mestrado em Ciência da Computação)--Universidade Estadual de Maringá, 2021, Maringá, PR.http://repositorio.uem.br:8080/jspui/handle/1/7597info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)instname:Universidade Estadual de Maringá (UEM)instacron:UEM2024-06-11T19:20:29Zoai:localhost:1/7597Repositório InstitucionalPUBhttp://repositorio.uem.br:8080/oai/requestrepositorio@uem.bropendoar:2024-06-11T19:20:29Repositório Institucional da Universidade Estadual de Maringá (RI-UEM) - Universidade Estadual de Maringá (UEM)false
dc.title.none.fl_str_mv Classificação de imagens de grãos ardidos de milho por análise de cor e textura
title Classificação de imagens de grãos ardidos de milho por análise de cor e textura
spellingShingle Classificação de imagens de grãos ardidos de milho por análise de cor e textura
Silva, Gustavo Viais de Brito
Milho - Grãos ardidos - Classificação
Processamento digital de imagens
Reconhecimento de padrões
Análise de textura
633.15
Ciências Exatas e da Terra
Ciência da Computação
title_short Classificação de imagens de grãos ardidos de milho por análise de cor e textura
title_full Classificação de imagens de grãos ardidos de milho por análise de cor e textura
title_fullStr Classificação de imagens de grãos ardidos de milho por análise de cor e textura
title_full_unstemmed Classificação de imagens de grãos ardidos de milho por análise de cor e textura
title_sort Classificação de imagens de grãos ardidos de milho por análise de cor e textura
author Silva, Gustavo Viais de Brito
author_facet Silva, Gustavo Viais de Brito
author_role author
dc.contributor.none.fl_str_mv Flores, Franklin César
Igarashi, Wagner
Campos, Teófilo Emídio de
dc.contributor.author.fl_str_mv Silva, Gustavo Viais de Brito
dc.subject.por.fl_str_mv Milho - Grãos ardidos - Classificação
Processamento digital de imagens
Reconhecimento de padrões
Análise de textura
633.15
Ciências Exatas e da Terra
Ciência da Computação
topic Milho - Grãos ardidos - Classificação
Processamento digital de imagens
Reconhecimento de padrões
Análise de textura
633.15
Ciências Exatas e da Terra
Ciência da Computação
description Orientador: Prof. Dr. Franklin César Flores
publishDate 2021
dc.date.none.fl_str_mv 2021
2024-06-11T19:11:24Z
2024-06-11T19:11:24Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SILVA, Gustavo Viais de Brito. Classificação de imagens de grãos ardidos de milho por análise de cor e textura. 2021. 118 f. Dissertação (mestrado em Ciência da Computação)--Universidade Estadual de Maringá, 2021, Maringá, PR.
http://repositorio.uem.br:8080/jspui/handle/1/7597
identifier_str_mv SILVA, Gustavo Viais de Brito. Classificação de imagens de grãos ardidos de milho por análise de cor e textura. 2021. 118 f. Dissertação (mestrado em Ciência da Computação)--Universidade Estadual de Maringá, 2021, Maringá, PR.
url http://repositorio.uem.br:8080/jspui/handle/1/7597
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual de Maringá
Departamento de Informática
Programa de Pós-Graduação em Ciência da Computação
Maringá, PR
Centro de Tecnologia
publisher.none.fl_str_mv Universidade Estadual de Maringá
Departamento de Informática
Programa de Pós-Graduação em Ciência da Computação
Maringá, PR
Centro de Tecnologia
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
instname:Universidade Estadual de Maringá (UEM)
instacron:UEM
instname_str Universidade Estadual de Maringá (UEM)
instacron_str UEM
institution UEM
reponame_str Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
collection Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
repository.name.fl_str_mv Repositório Institucional da Universidade Estadual de Maringá (RI-UEM) - Universidade Estadual de Maringá (UEM)
repository.mail.fl_str_mv repositorio@uem.br
_version_ 1864901074482102272

Registros relacionados