Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/5184
Título: Técnicas de aprendizado ativo para avaliação do vigor de sementes de soja
Título(s) alternativo(s): Active learning techniques for vigor evaluation of soybean seeds
Autor(es): Pereira, Douglas Felipe
Orientador(es): Saito, Priscila Tiemi Maeda
Palavras-chave: Aprendizagem ativa
Processamento de imagens
Classificação
Active learning
Image processing
Classification
Data do documento: 20-Set-2018
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Cornelio Procopio
Citação: PEREIRA, Douglas Felipe Técnicas de aprendizado ativo para avaliação do vigor de sementes de soja. 2019. 68 f. Dissertação (Mestrado em Bioinformática) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2019.
Resumo: Empresas multiplicadoras de sementes cada vez mais buscam a excelência da qualidade da produção, por meio de rigorosos processos, tais como o teste de tetrazólio e a definição de vigor. No entanto, tratam-se de processos extremamente laboriosos, visto que é necessária a experiência de um especialista, bem como de análise visual de uma quantidade considerável de sementes como amostragem para a determinação do vigor de um lote. Além disso, apesar do teste de tetrazólio apresentar um protocolo definido, essa análise pode variar de analista para analista por tratar-se de um processo humano, subjetivo. Nesse contexto, diversos esforços evidenciam a relevância do tema e têm sido realizados na tentativa de automatizar o processo de análise, de forma a diminuir os problemas intrínsecos ao mesmo. Sendo assim, este trabalho apresenta metodologias para o processamento das sementes de soja oriundas do teste de tetrazólio, bem como para aprendizado e classificação do respectivo vigor. Além disso, uma nova abordagem de aprendizado ativo ´e proposta para selecionar as amostras mais informativas ao aprendizado. Para a validação das propostas é realizada uma avaliação experimental extensiva, utilizando diferentes conjuntos de sementes e técnicas do estado da arte para a descrição e aprendizado. A partir dos resultados obtidos, é possível observar que a abordagem proposta possibilita a obtenção de classificadores mais robustos, os quais atingem acurácias elevadas mais rapidamente (em menos iterações de aprendizado) em relação às abordagens de aprendizado supervisionado tradicionais. Portanto, espera-se minimizar o esforço e o tempo de envolvimento do especialista em sua rotina laboratorial, automatizando o processo de análise visual e anotação. O processo mais rápido e preciso possibilita o aumento da competitividade de mercado entre os produtores e o beneficiamento dos consumidores com produtos de maior qualidade e preços mais adequados e específicos, de acordo com a qualidade do lote analisado. Perdas de produtividade nos processos de plantio, multiplicação e/ou comercialização de sementes de baixa qualidade também podem ser evitadas.
Abstract: Growing seed companies increasingly seek excellence in production quality through rigorous processes such as the tetrazolium test and the definition of vigor. However, these are extremely laborious processes, since the experience of a specialist is necessary, as well as visual analysis of a considerable quantity of seeds as sampling for determining the vigor of seed lot. Moreover, although the tetrazolium test has a defined protocol, this analysis may vary from analyst to analyst because it is a subjective human process. In this context, several efforts highlight the relevance of the topic and have been carried out in an attempt to automate the analysis process, in order to reduce the problems intrinsic to it. Thus, this work presents methodologies for processing soybean seeds from the tetrazolium test, as well as for learning and classification of vigor. In addition, a new approach to active learning is proposed to select more informative samples for learning. To validate the proposals, an extensive experimental evaluation is carried out, using different sets of seeds and state-of-the-art techniques for description and learning. From the results obtained, it is possible to observe that the proposed approach allows obtaining more robust classifiers, which reach higher accuracy faster (in less learning iterations) in relation to traditional supervised learning approaches. Therefore, it is expected to minimize the effort and the time of the specialist’s involvement in his laboratory routine, during the process of visual analysis and manual annotation. The faster and more precise process makes it possible to increase the market competitiveness between the producers and the beneficiation of consumers with higher quality products and more appropriate and specific prices according to the quality of the seed lot analyzed. Loss of productivity in the processes of planting, multiplication and/or commercialization of low quality seeds can also be avoided.
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/5184
Aparece nas coleções:CP - Programa de Pós-Graduação em Bioinformática

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
CP_PPGBIOINFO_M_Pereira, Douglas Felipe_2019.pdf5,36 MBAdobe PDFThumbnail
Visualizar/Abrir


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