<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Inspeção de amostras de sementes de milho utilizando processamento de imagens e aprendizado de máquina.

Data do documento

Editora

Edição

Resumo

Neste estudo, duas abordagens utilizando análise de imagens digitais foram exploradas, a partir da captura da amostra por um smartphone, disposta em um amostrador desenvolvido para o estudo. A primeira abordagem teve por objetivo analisar a capacidade do aplicativo PhotoMetrix PRO® em identificar sementes boas em meio ao descarte de um equipamento de classificação de sementes, como uma color sorter. Onde, a partir de uma imagem tomada da amostra, o sistema determina o percentual de sementes boas através de análise multivariada e usando regressão de mínimos quadrados (PLS). O modelo de calibração forneceu um coeficiente de determinação igual a 0,976, o RMSEC igual a 1,23% e o RMSECV igual a 4,76%, com os limites de quantificação e detecção calculados em 10,2 e 3,06% respectivamente. Na segunda abordagem as amostras são dispostas na bandeja com 64 cavidades e as imagens RGB capturadas por um smartphone a partir da câmara de amostragem desenvolvida para o estudo. Os melhores resultados foram obtidos com o treinamento de 100 gerações de uma rede pré-treinada ResNet50, alcançando uma acurácia de 97%, sensibilidade de 99%, especificidade de 94%, precisão de 95% e F1-score de 97% e AUC de 97%, a partir de uma amostra teste composta de 548 sementes. Comparada com o método de inspeção e análise manual e visual de amostras que consomem de 15 a 20 minutos, os experimentos deste estudo demonstraram que as propostas consomem em torno de 3 minutos desde a disposição da amostra até a apresentação dos resultados.

Nota

Inclui bibliografia.

ISBN

Tipo de obra

Dissertação de Mestrado

Local

Santa Cruz do Sul

DOI

Licença

Creative Commons Este item está licenciado sob uma Licença Creative Commons.