Rede neural convolucional e padrão de metadados na classificação de grãos de soja

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Machado, Bruna Neves lattes
Orientador(a): Vaz, Maria Salete Marcon Gomes lattes
Banca de defesa: Morais, Erickson Freitas de, Britto Junior, Alceu de Souza
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual de Ponta Grossa
Programa de Pós-Graduação: Programa de Pós Graduação Computação Aplicada
Departamento: Departamento de Informática
País: Brasil
Palavras-chave em Português:
Metadados
Padrão de Metadados
Rede Neural Convolucional
Classificação de Imagens
Deep Learning
Metadata
Metadata Standard
Convolutional Neural Network
Images Classification
Área do conhecimento CNPq:
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Link de acesso: http://tede2.uepg.br/jspui/handle/prefix/3449
Resumo: A classificação de grãos na agricultura é feita de forma manual, onde deve ser analisado grão a grão para que os grãos sejam alocados em suas respectivas classes. A identificação das classes dos grãos é feita visualmente, onde é feita a análise da cor e o estado em que o grão se encontra. Essa classificação é feita, geralmente, por profissionais especializados na área que podem demandar muito tempo para classificar uma pequena quantidade de grãos. O tempo para realizar a classificação manual é fundamental para que os grãos sejam avaliados e enviados para os consumidores o mais rápido possível. Neste trabalho foi apresentado um modelo de padrão de metadados para a classificação de grãos, um aplicativo para estruturar os metadados em HTML ou em XML, além de um método computacional para a classificação de grãos de soja da espécie Glycine max onde redes neurais convolucionais foram utilizadas. As redes neurais convolucionais utilizadas foram as Resnet34, MobileNet e VGG19. A rede foi treinada com base nos dados de defeitos de grão. Foram consideradas 9 (nove) classes de grãos de soja, onde cada classe continha 100 (cem) imagens. O resultado alcançado da Resnet34 foi de 99,55% de acurácia com o uso de data augmentation, e 80,85% sem o uso dessa técnica. As redes MobileNet e VGG19 obtiveram uma acurácia de 97,33% e 97,22% com o uso do data augmentation respectivamente.
id UEPG_1cbd4bcf0155f0bb76c7024b7ac8abe1
oai_identifier_str oai:tede2.uepg.br:prefix/3449
network_acronym_str UEPG
network_name_str Biblioteca Digital de Teses e Dissertações da UEPG
repository_id_str
spelling Vaz, Maria Salete Marcon Gomes44322931972lattes.cnpq.brMorais, Erickson Freitas de01186048646Britto Junior, Alceu de Souza57649375900Universidade Tecnológica Federal do ParanáUniversidade Estadual de Ponta Grossa08448726952lattes.cnpq.brMachado, Bruna Neves2021-09-09T23:41:53Z2021-09-092021-09-09T23:41:53Z2021-03-25MACHADO, Bruna Neves. Rede neural convolucional e padrão de metadados na classificação de grãos de soja. 2021. Dissertação (Mestrado em Computação Aplicada) - Universidade Estadual de Ponta Grossa, Ponta Grossa, 2021.http://tede2.uepg.br/jspui/handle/prefix/3449A classificação de grãos na agricultura é feita de forma manual, onde deve ser analisado grão a grão para que os grãos sejam alocados em suas respectivas classes. A identificação das classes dos grãos é feita visualmente, onde é feita a análise da cor e o estado em que o grão se encontra. Essa classificação é feita, geralmente, por profissionais especializados na área que podem demandar muito tempo para classificar uma pequena quantidade de grãos. O tempo para realizar a classificação manual é fundamental para que os grãos sejam avaliados e enviados para os consumidores o mais rápido possível. Neste trabalho foi apresentado um modelo de padrão de metadados para a classificação de grãos, um aplicativo para estruturar os metadados em HTML ou em XML, além de um método computacional para a classificação de grãos de soja da espécie Glycine max onde redes neurais convolucionais foram utilizadas. As redes neurais convolucionais utilizadas foram as Resnet34, MobileNet e VGG19. A rede foi treinada com base nos dados de defeitos de grão. Foram consideradas 9 (nove) classes de grãos de soja, onde cada classe continha 100 (cem) imagens. O resultado alcançado da Resnet34 foi de 99,55% de acurácia com o uso de data augmentation, e 80,85% sem o uso dessa técnica. As redes MobileNet e VGG19 obtiveram uma acurácia de 97,33% e 97,22% com o uso do data augmentation respectivamente.The classification of grains in agriculture is done manually, where grain by grain must be analyzed so that the grains are allocated to their respective classes. The identification of the classes of the grains is done visually, where the analysis of the color and the state in which the grain is made. This classification is usually done by professionals specialized in the field, which can take a long time to classify a small amount of grains. The time to carry out the manual classification is essential for the grains to be evaluated and sent to consumers as soon as possible. In this work, a metadata standard model for grain classification was presented, an application to structure metadata in HTML or XML, as well as a computational method for the classification of soybeans of the Glycine max species where convolutional neural networks were used. The convolutional neural networks used were Resnet34, MobileNet and VGG19. The network was trained on the basis of grain defect data. Nine (9) classes of soybeans were considered, where each class contained 100 (one hundred) images. The result achieved by Resnet34 was 99.55% accurate with the use of data augmentation, and 80.85% without the use of this technique. The MobileNet and VGG19 networks achieved an accuracy of 97.33% and 97.22% with the use of data augmentation, respectively.Submitted by Angela Maria de Oliveira (amolivei@uepg.br) on 2021-09-09T23:41:53Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Bruna Neves Machado.pdf: 13179093 bytes, checksum: 6122534754b2e5e1de2c80af95196a32 (MD5)Made available in DSpace on 2021-09-09T23:41:53Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Bruna Neves Machado.pdf: 13179093 bytes, checksum: 6122534754b2e5e1de2c80af95196a32 (MD5) Previous issue date: 2021-03-25porUniversidade Estadual de Ponta GrossaPrograma de Pós Graduação Computação AplicadaUEPGBrasilDepartamento de InformáticaAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOMetadadosPadrão de MetadadosRede Neural ConvolucionalClassificação de ImagensDeep LearningMetadataMetadata StandardConvolutional Neural NetworkImages ClassificationDeep LearningRede neural convolucional e padrão de metadados na classificação de grãos de sojainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Biblioteca Digital de Teses e Dissertações da UEPGinstname:Universidade Estadual de Ponta Grossa (UEPG)instacron:UEPGLICENSElicense.txtlicense.txttext/plain; charset=utf-81866http://tede2.uepg.br/jspui/bitstream/prefix/3449/3/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811http://tede2.uepg.br/jspui/bitstream/prefix/3449/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52ORIGINALBruna Neves Machado.pdfBruna Neves Machado.pdfdissertação completa em pdfapplication/pdf13179093http://tede2.uepg.br/jspui/bitstream/prefix/3449/1/Bruna%20Neves%20Machado.pdf6122534754b2e5e1de2c80af95196a32MD51prefix/34492021-09-09 20:41:53.787oai:tede2.uepg.br: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 Digital de Teses e Dissertaçõeshttps://tede2.uepg.br/jspui/PUBhttp://tede2.uepg.br/oai/requestbicen@uepg.br||mv_fidelis@yahoo.com.bropendoar:2021-09-09T23:41:53Biblioteca Digital de Teses e Dissertações da UEPG - Universidade Estadual de Ponta Grossa (UEPG)false
dc.title.pt_BR.fl_str_mv Rede neural convolucional e padrão de metadados na classificação de grãos de soja
title Rede neural convolucional e padrão de metadados na classificação de grãos de soja
spellingShingle Rede neural convolucional e padrão de metadados na classificação de grãos de soja
Machado, Bruna Neves
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Metadados
Padrão de Metadados
Rede Neural Convolucional
Classificação de Imagens
Deep Learning
Metadata
Metadata Standard
Convolutional Neural Network
Images Classification
Deep Learning
title_short Rede neural convolucional e padrão de metadados na classificação de grãos de soja
title_full Rede neural convolucional e padrão de metadados na classificação de grãos de soja
title_fullStr Rede neural convolucional e padrão de metadados na classificação de grãos de soja
title_full_unstemmed Rede neural convolucional e padrão de metadados na classificação de grãos de soja
title_sort Rede neural convolucional e padrão de metadados na classificação de grãos de soja
author Machado, Bruna Neves
author_facet Machado, Bruna Neves
author_role author
dc.contributor.instituicao-banca1.pt_BR.fl_str_mv Universidade Tecnológica Federal do Paraná
dc.contributor.instituicao-banca2.pt_BR.fl_str_mv Universidade Estadual de Ponta Grossa
dc.contributor.advisor1.fl_str_mv Vaz, Maria Salete Marcon Gomes
dc.contributor.advisor1ID.fl_str_mv 44322931972
dc.contributor.advisor1Lattes.fl_str_mv lattes.cnpq.br
dc.contributor.referee1.fl_str_mv Morais, Erickson Freitas de
dc.contributor.referee1ID.fl_str_mv 01186048646
dc.contributor.referee2.fl_str_mv Britto Junior, Alceu de Souza
dc.contributor.referee2ID.fl_str_mv 57649375900
dc.contributor.authorID.fl_str_mv 08448726952
dc.contributor.authorLattes.fl_str_mv lattes.cnpq.br
dc.contributor.author.fl_str_mv Machado, Bruna Neves
contributor_str_mv Vaz, Maria Salete Marcon Gomes
Morais, Erickson Freitas de
Britto Junior, Alceu de Souza
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
topic CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Metadados
Padrão de Metadados
Rede Neural Convolucional
Classificação de Imagens
Deep Learning
Metadata
Metadata Standard
Convolutional Neural Network
Images Classification
Deep Learning
dc.subject.por.fl_str_mv Metadados
Padrão de Metadados
Rede Neural Convolucional
Classificação de Imagens
Deep Learning
Metadata
Metadata Standard
Convolutional Neural Network
Images Classification
Deep Learning
description A classificação de grãos na agricultura é feita de forma manual, onde deve ser analisado grão a grão para que os grãos sejam alocados em suas respectivas classes. A identificação das classes dos grãos é feita visualmente, onde é feita a análise da cor e o estado em que o grão se encontra. Essa classificação é feita, geralmente, por profissionais especializados na área que podem demandar muito tempo para classificar uma pequena quantidade de grãos. O tempo para realizar a classificação manual é fundamental para que os grãos sejam avaliados e enviados para os consumidores o mais rápido possível. Neste trabalho foi apresentado um modelo de padrão de metadados para a classificação de grãos, um aplicativo para estruturar os metadados em HTML ou em XML, além de um método computacional para a classificação de grãos de soja da espécie Glycine max onde redes neurais convolucionais foram utilizadas. As redes neurais convolucionais utilizadas foram as Resnet34, MobileNet e VGG19. A rede foi treinada com base nos dados de defeitos de grão. Foram consideradas 9 (nove) classes de grãos de soja, onde cada classe continha 100 (cem) imagens. O resultado alcançado da Resnet34 foi de 99,55% de acurácia com o uso de data augmentation, e 80,85% sem o uso dessa técnica. As redes MobileNet e VGG19 obtiveram uma acurácia de 97,33% e 97,22% com o uso do data augmentation respectivamente.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-09-09T23:41:53Z
dc.date.available.fl_str_mv 2021-09-09
2021-09-09T23:41:53Z
dc.date.issued.fl_str_mv 2021-03-25
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.citation.fl_str_mv MACHADO, Bruna Neves. Rede neural convolucional e padrão de metadados na classificação de grãos de soja. 2021. Dissertação (Mestrado em Computação Aplicada) - Universidade Estadual de Ponta Grossa, Ponta Grossa, 2021.
dc.identifier.uri.fl_str_mv http://tede2.uepg.br/jspui/handle/prefix/3449
identifier_str_mv MACHADO, Bruna Neves. Rede neural convolucional e padrão de metadados na classificação de grãos de soja. 2021. Dissertação (Mestrado em Computação Aplicada) - Universidade Estadual de Ponta Grossa, Ponta Grossa, 2021.
url http://tede2.uepg.br/jspui/handle/prefix/3449
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Estadual de Ponta Grossa
dc.publisher.program.fl_str_mv Programa de Pós Graduação Computação Aplicada
dc.publisher.initials.fl_str_mv UEPG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Departamento de Informática
publisher.none.fl_str_mv Universidade Estadual de Ponta Grossa
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UEPG
instname:Universidade Estadual de Ponta Grossa (UEPG)
instacron:UEPG
instname_str Universidade Estadual de Ponta Grossa (UEPG)
instacron_str UEPG
institution UEPG
reponame_str Biblioteca Digital de Teses e Dissertações da UEPG
collection Biblioteca Digital de Teses e Dissertações da UEPG
bitstream.url.fl_str_mv http://tede2.uepg.br/jspui/bitstream/prefix/3449/3/license.txt
http://tede2.uepg.br/jspui/bitstream/prefix/3449/2/license_rdf
http://tede2.uepg.br/jspui/bitstream/prefix/3449/1/Bruna%20Neves%20Machado.pdf
bitstream.checksum.fl_str_mv 43cd690d6a359e86c1fe3d5b7cba0c9b
e39d27027a6cc9cb039ad269a5db8e34
6122534754b2e5e1de2c80af95196a32
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UEPG - Universidade Estadual de Ponta Grossa (UEPG)
repository.mail.fl_str_mv bicen@uepg.br||mv_fidelis@yahoo.com.br
_version_ 1853507148801114112

Registros relacionados