Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/39206| Título: | Classificação de grãos de milho da espécie Zea mays da classe amarela utilizando processamento digital de imagens |
| Título(s) alternativo(s): | Classification of yellow maize grains of the Zea mays species using digital image processing |
| Autor(es): | Ferreira, Diego |
| Orientador(es): | Nakano, Alberto Yoshihiro |
| Palavras-chave: | Milho Python (Linguagem de programação de computador) Grãos Corn Python (Computer program language) Grain |
| Data do documento: | 19-Jun-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Toledo |
| Citação: | FERREIRA, Diego. Classificação de grãos de milho da espécie Zea mays da classe amarela utilizando processamento digital de imagens. 2023. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica) - Universidade Tecnológica Federal do Paraná, Toledo, 2023. |
| Resumo: | O milho é um dos cereais mais produzidos no Brasil e no mundo, e tem papel fundamental na economia nacional tanto com relação ao consumo interno quanto à exportação. O processo de classificação qualitativa dos grãos deve ser o mais efetivo possível uma vez que grande parte da produção do cereal é destinada à alimentação animal e humana. Atualmente o processo de classificação é realizado por especialistas e de forma manual, fazendo com que diversos vícios e problemas possam ocorrer. Técnicas de processamento computacional têm sido amplamente utilizadas para resolver problemas cotidianos e entre elas as técnicas de processamento digital de imagens (PDI) têm papel de destaque no reconhecimento de padrões. Deste modo, este trabalho propõe um método de classificação focado principalmente na coloração dos grãos. Utilizando um dispositivo equipado com ESP-32 CAM, são capturadas imagens de amostras variando tanto em quantidade de grãos como em percentual de defeitos. Após análise dessas imagens, foram gerados modelos de classificação. O modelo destinado à estimativa da quantidade de grãos alcançou em torno de 84% de acurácia. A avaliação detalhada do percentual de defeitos atingiu cerca de 63% de acurácia, enquanto a classificação binária (grãos com defeitos ou sadios) apresentou acurácia aproximada de 88%. |
| Abstract: | Corn is one of the most produced cereals in Brazil and the world, playing a vital role in the national economy in terms of both domestic consumption and exportation. The qualitative classification process of the grains must be as effective as possible since a significant portion of the cereal production is designated for animal and human consumption. Currently, the classification process is conducted manually by experts, leading to various biases and problems that may arise. Computational processing techniques have been widely used to address everyday problems, among which Digital Image Processing (DIP) techniques stand out in pattern recognition. Thus, this work proposes a classification method primarily focused on the coloration of the grains. Using a device equipped with an ESP-32 CAM, images of samples varying both in grain quantity and defect percentage are captured. After analyzing these images, classification models were generated. The model aimed at estimating the quantity of grains achieved approximately 84% accuracy. The detailed evaluation of the defect percentage reached about 63% accuracy, while the binary classification (defective or healthy grains) presented an accuracy of approximately 88%. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/39206 |
| Aparece nas coleções: | TD - Engenharia Eletrônica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| classificacaomilhozeamays.pdf | 8,92 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
