Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/40289| Título: | Uma abordagem de visão computacional por meio de redes convolucionais para o reconhecimento de imagens de sementes de feijão |
| Título(s) alternativo(s): | A computer vision approach using convolutional networks for bean seed image recognition |
| Autor(es): | Oliveira, Matheus Vitoreli de |
| Orientador(es): | Casanova, Dalcimar |
| Palavras-chave: | Aprendizado do computador Feijão Redes neurais (Computação) Machine learning Beans Neural networks (Computer science) |
| Data do documento: | 15-Fev-2024 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Dois Vizinhos |
| Citação: | OLIVEIRA, Matheus Vitoreli de. Uma abordagem de visão computacional por meio de redes convolucionais para o reconhecimento de imagens de sementes de feijão. 2024. Monografia (Especialização em Ciência de Dados) - Universidade Tecnológica Federal do Paraná, Dois Vizinhos, 2024. |
| Resumo: | O presente trabalho tem como objetivo aplicar técnicas de Ciência de Dados para a classificação e reconhecimento de variedades de feijão (Phaseolus vulgaris). por meio do uso de Redes Neurais Convolucionais (CNN) e Inteligência Artificial. Utilizando-se das seguintes arquiteturas: VGG 16 e 19, ResNet 50 e MobileNetV2. O estudo busca solucionar o desafio enfrentado pelos agricultores e cientistas na identificação e distinção de variedades de feijão (Phaseolus vulgaris), cujas características podem ser sutis e de complexa identificação visual, tornando o processo manual demorado e sujeito a erros. Para superar essas limitações, o uso de técnicas de Aprendizado Profundo, como as Redes Neurais Convolucionais, e a Inteligência Artificial é explorado, com o intuito de criar um modelo computacional eficiente e acurado para a classificação automatizada das variedades de feijão. A metodologia adotada consiste na coleta de um conjunto de dados de sementes de diversas espécies de feijão, incluindo a sua organização em um banco de dados, em seguida, técnicas de pré-processamento e aumento de dados são aplicadas para otimizar a qualidade e quantidade dos dados disponíveis para treinamento do modelo. A implementação do sistema de classificação é feita utilizando a arquitetura de Redes Neurais Convolucionais, com ajustes e otimizações para a tarefa específica de reconhecimento das espécies de feijão (Phaseolus vulgaris). A avaliação do modelo é realizada por meio de métricas de desempenho, como acurácia, atingiu-se uma acurácia de 72% para as imagens originais e 61% para as imagens filtradas por filtro de Gabor, indicando que os bancos de dados utilizados devem ser engordados para que haja um aumento real na eficiência. |
| Abstract: | The present study aims to apply Data Science techniques for the classification and recognition of bean varieties (Phaseolus vulgaris) using Convolutional Neural Networks (CNN) and Artificial Intelligence, leveraging architectures such as VGG 16 and 19, ResNet 50, and MobileNetV2. It addresses the challenge faced by farmers and scientists in identifying and distinguishing bean varieties, whose characteristics may be subtle and visually complex, leading to time-consuming and error-prone manual processes. To overcome these limitations, Deep Learning techniques, like Convolutional Neural Networks, and Artificial Intelligence are explored to create an efficient and accurate computational model for automated bean variety classification. The methodology involves collecting a dataset of bean seeds of various species, organizing it into a database, applying preprocessing and data augmentation techniques to optimize data quality and quantity for model training. The classification system implementation utilizes the architecture of Convolutional Neural Networks, with adjustments and optimizations for the specific task of bean species recognition. Model evaluation, using performance metrics like accuracy, achieved 72% accuracy for original images and 61% for images filtered by a Gabor filter, indicating the need to expand the databases for a real increase in efficiency. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/40289 |
| Aparece nas coleções: | DV - Ciência de Dados |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| visaocomputacionalsementesfeijao.pdf | 3,35 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
