Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/31895| Título: | Segmentação de regiões de interesse em imagens de plantas da subespécie Acer palmatum |
| Título(s) alternativo(s): | Segmentation of regions of interest in Acer palmatum subspecies plant images |
| Autor(es): | Braun, Vinícius Caron |
| Orientador(es): | Ascari, Rúbia Eliza de Oliveira Schultz |
| Palavras-chave: | Processamento de imagens Aprendizado do computador Criatividade na tecnologia Image processing Machine learning Creative ability in technology |
| Data do documento: | 21-Jun-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Pato Branco |
| Citação: | BRAUN, Vinícius Caron. Segmentação de regiões de interesse em imagens de plantas da subespécie Acer palmatum. 2023. Trabalho de Conclusão de Curso (Tecnologia em Análise e Desenvolvimento de Sistemas) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2023. |
| Resumo: | A segmentação em imagens de plantas serve para a identificação da planta em questão, diferenciando-a do restante da composição da imagem. O problema da segmentação em plantas geralmente está contido na dificuldade de traçar precisamente os segmentos em volta da folha da planta, a qual muitas vezes é dentada e com elementos de pequenos detalhes. A coloração, tonalidade e iluminação também são fatores que interferem no processo de segmentação e tratamento de imagem. Afinal as etapas de tratamento de imagem baseiam-se na pixelagem da imagem, a qual é composta por fatores como contraste e cor, e isso é também ainda mais dificultado quando trata-se de uma imagem com um fundo colorido e confuso. Sendo assim, o presente trabalho objetiva otimizar a segmentação de imagens da subespécie de planta Acer palmatum e suas variedades, escolhida por possuir características de folhagem um pouco mais desafiadoras que o comum, para facilitar no processo de classificação entre suas diferentes variedades, tendo em vista que é uma planta com folhas dentadas e propícias à mudança de cor conforme a época do ano. Para atingir esse objetivo, este trabalho faz uso de tecnologias relacionadas principalmente à linguagem de programação Python, que possui diversas bibliotecas, como Open Source Computer Vision Library (OpenCV) e Remove Background (RemBg), com recursos direcionados à área de Visão Computacional e Aprendizado de Máquina, que são os dois temas com maior enfoque neste trabalho. Diferentes experimentos foram realizados neste trabalho com imagens da planta capturadas em fundo branco e em fundo confuso, e os resultados obtidos apontam que a segmentação com métodos básicos da biblioteca OpenCV é pouco eficiente em imagens com fundo confuso, apresentando pouca visualização e identificação da imagem da planta após o processamento. Porém no quesito segmentação direta das folhas da planta Acer palmatum a biblioteca RemBg, com o algoritmo de Deep Learning U2-Net, apresentou uma melhor eficácia de segmentação nas imagens com um fundo confuso, destacando a folha da planta do restante da imagem, enquanto em imagens com fundo branco o algoritmo segmentou de maneira muito mais fácil, como esperado. Também foi empregado o algoritmo de Deep Learning Mask R-CNN (Mask Region-based Convolutional Neural Network), que apresentou pouca eficácia diante da pouca quantidade de amostras submetidas ao treinamento. |
| Abstract: | Image segmentation in plants serves for the identification of the specific plant, differentiating it from the rest of the image composition. The problem of plant segmentation is often contained in the difficulty of accurately tracing the segments around the plant's leaf, which is often serrated and has small detailed elements. Color, hue, and lighting are also factors that interfere with the segmentation process and image treatment. After all, the steps of image treatment are based on pixelation, which is composed of factors such as contrast and color. This is further complicated when dealing with an image with a colorful and cluttered background. Therefore, the present work aims to optimize the image segmentation of the Acer palmatum subspecie and its varieties, chosen for having foliage characteristics that are slightly more challenging than usual. This optimization will facilitate the classification process among its different varieties, considering that the plant has serrated leaves that change color according to the season. To achieve this goal, this work makes use of technologies mainly related to the Python programming language, which has various libraries such as Open Source Computer Vision Library (OpenCV) and Remove Background (RemBg), with resources focused on Computer Vision and Machine Learning, the two main topics of this work. Different experiments were conducted in this work using images of the plant captured against a white background and a cluttered background. The results obtained indicate that segmentation using basic methods from the OpenCV library is not very efficient in images with a cluttered background, showing poor visualization and identification of the plant image after processing. However, in terms of direct segmentation of Acer palmatum plant leaves, the RemBg library, with the U2-Net Deep Learning algorithm, showed better segmentation efficacy in images with a cluttered background, highlighting the plant leaf from the rest of the image. In images with a white background, the algorithm segmented much more easily, as expected. The Mask R-CNN (Mask Region-based Convolutional Neural Network) Deep Learning algorithm was also employed, but it showed low efficacy due to the limited number of training samples used. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/31895 |
| Aparece nas coleções: | PB - Tecnologia em Análise e Desenvolvimento de Sistemas |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| segmentacaoimagensplantasacer.pdf | 3,17 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
