Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/46046
Registro completo de metadados
Campo DCValorIdioma
dc.creatorMagalhães Júnior, Antonio Mendes-
dc.date.accessioned2021-01-19T16:54:42Z-
dc.date.available2021-01-19T16:54:42Z-
dc.date.issued2021-01-19-
dc.date.submitted2020-11-13-
dc.identifier.citationMAGALHÃES JÚNIOR, A. M. Utilização de comitês de Redes Neurais Artificiais na classificação de danos em sementes de girassol. 2020. 150 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária) – Universidade Federal de Lavras, Lavras, 2021.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/46046-
dc.description.abstractBrazil has the third largest world seed market and invoices billions of reais annually, making seed analysis extremely important. Through analysis techniques, it is possible to determine the germination potential and identify damage to the seeds. X-ray is one of the most desirable techniques, because it provides fast analysis and does not result in the destruction of seeds. However, the images resulting from the X-ray process often require post-processing, seeking visual improvement of the images for analysis by the evaluators. The evaluation process can be carried out by one or more evaluators, but it has a lot of subjectivity, making the automation of this analysis interesting. ANNs (Artificial Neural Networks) are known to be effective for use in pattern recognition and data classification problems, making them good candidates for this automation. In this work, the goal was to perform the classification of radiographic images of sunflower seeds, according to their level of damage, using multiple techniques of image processing and extraction of characteristics to compose different datasets in order to train the ANNs. For this, a dataset consisting of radiographic images of sunflower seeds was used, classified by evaluators into three categories: filled, partially filled or deformed seeds. Using these images, datasets were composed and used to train, validate and test ANNs, which were then used to compose committees. For each case, 10 committees were formed, and obtained averages of the metrics of accuracy, AUC and Kappa index of the committees. The averages of the performance metrics, approximately 90% for accuracy, 0.97 for AUC and 0.84 for Kappa, in the best case, indicate the efficiency of the methodology used in this work and suggest the possibility of using it in composition to usual methodologies for seed classification and evaluation.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.rightsrestrictAccesspt_BR
dc.subjectAnálise de raio-Xpt_BR
dc.subjectAnálise de sementespt_BR
dc.subjectReconhecimento de padrõespt_BR
dc.subjectX-ray analysispt_BR
dc.subjectSeed analysispt_BR
dc.subjectPattern recognitionpt_BR
dc.titleUtilização de comitês de Redes Neurais Artificiais na classificação de danos em sementes de girassolpt_BR
dc.title.alternativeUse of neural networks committees in the classification of damage in sunflower seedspt_BR
dc.typedissertaçãopt_BR
dc.publisher.programPrograma de Pós-Graduação em Estatística e Experimentação Agropecuáriapt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countrybrasilpt_BR
dc.contributor.advisor1Sáfadi, Thelma-
dc.contributor.referee1Sáfadi, Thelma-
dc.contributor.referee2Guimarães, Paulo Henrique Sales-
dc.contributor.referee3Lacerda, Wilian Soares-
dc.contributor.referee4Paixão, Crysttian Arantes-
dc.description.resumoO Brasil detém o terceiro maior mercado mundial de sementes e movimenta bilhões de reais anualmente, tornando de extrema importância a análise de sementes. Por meio de técnicas de análise, é possível determinar o potencial de germinação e identificar danos nas sementes. O raio-x é uma das técnicas mais desejáveis, uma vez que fornece rápida análise e não causa a destruição das sementes. Entretanto, as imagens resultantes do processo raio-x muitas vezes necessitam de pós processamento, buscando a melhoria visual das imagens para a análise por parte dos avaliadores. O processo de avaliação pode ser realizado por um ou mais avaliadores, porém é carregado de subjetividade, tornando interessante a automatização dessa análise. As RNAs (Redes Neurais Artificiais) são reconhecidamente eficazes para a utilização em problemas de reconhecimento de padrões e classificação de dados, tornando-se candidatas para essa automatização. Neste trabalho, o objetivo foi realizar a classificação de imagens radiografadas de sementes de girassol, quanto ao seu nível de dano, utilizando diversas técnicas de processamento de imagens e extração de características para compor diferentes conjuntos de dados a fim de treinar as RNAs. Para tal, foi utilizado um conjunto de dados composto por imagens de radiografias de sementes de girassol, classificadas por avaliadores entre três categorias: sementes cheias, parcialmente cheias e deformadas. Utilizando-se essas imagens, foram compostos conjuntos de dados que, por sua vez, foram utilizados para treinar, validar e testar RNAs, que foram então utilizadas para compor comitês. Para cada caso foram compostos 10 comitês e obtidas as médias das métricas de acurácia, AUC e índice Kappa desses comitês. As médias das métricas de desempenho, aproximadamente 90% para acurácia, 0,97 para AUC e 0,84 para Kappa, no melhor caso, indicam a eficiência da metodologia utilizada neste trabalho e sugerem a possibilidade do uso desta em composição com as metodologias usuais no que tange à classificação e avaliação de sementes.pt_BR
dc.publisher.departmentDepartamento de Estatísticapt_BR
dc.subject.cnpqEstatísticapt_BR
dc.creator.Latteshttp://lattes.cnpq.br/4990530494040296pt_BR
Aparece nas coleções:Estatística e Experimentação Agropecuária - Mestrado (Dissertações)



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.