Inspeção de amostras de sementes de milho utilizando processamento de imagens e aprendizado de máquina.
| dc.contributor.advisor | Molz, Rolf Fredi | |
| dc.contributor.advisorco | Costa, Adilson Ben da | |
| dc.contributor.author | Souza, Alexandro Ricardo Rodrigues de | |
| dc.date.accessioned | 2026-11-19T13:39:25Z | |
| dc.date.issued | 2023 | |
| dc.degree.department | Programa de Pós-Graduação em Sistemas e Processos Industriais | |
| dc.degree.grantor | Universidade de Santa Cruz do Sul | |
| dc.degree.local | Santa Cruz do Sul | |
| dc.description.nota | Inclui bibliografia. | |
| dc.description.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. | |
| dc.identifier.uri | https://repositorio.unisc.br/handle/11624/4403 | |
| dc.language.iso | pt_BR | |
| dc.rights | Licença Creative Commons | |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/deed.pt | |
| dc.subject.other | Processamento de imagens | |
| dc.subject.other | Milho - Análise | |
| dc.subject.other | Sementes - Controle de qualidade | |
| dc.subject.other | Visão por computador | |
| dc.title | Inspeção de amostras de sementes de milho utilizando processamento de imagens e aprendizado de máquina. | |
| dc.type | Dissertação de Mestrado |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Inspeção de amostras de sementes de milho utilizando processamento de imagens e aprendizado de máquina.pdf
- Tamanho:
- 337,33 KB
- Formato:
- Adobe Portable Document Format
