Visão Hiperespectral em Contexto Vitivinícola
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10348/668 |
Resumo: | Acompanhando a inovação tecnológica, surgem a cada dia, novas formas de análise de elementos biológicos que permitem obter a mais variada informação para diversos fins. A utilização de imagem hiperespectral na produção vitivinícola tem suscitado interesse na comunidade científica. A sua aplicação envolve metodologias cujos resultados se apresentam de uma forma mais objectiva, consistente e económica. É uma técnica que apresenta vantagens face à imagem multiespectral e que permite ainda o desenvolvimento de técnicas de análise ambientalmente sustentável. Nesta dissertação utilizaram-se espectros de reflectância através de imagens hiperespectrais retiradas a 45 amostras de uva da casta Cabernet Sauvignon, que foram posteriormente utilizados como dados numa rede neuronal. O principal objectivo é obter um coeficiente de correlação entre os dados obtidos em laboratório e os resultados da rede neuronal. Ao longo da presente dissertação são descritas diversas temáticas que envolvem a criação de redes neuronais com diferentes algoritmos procurando encontrar aquele que produz o melhor coeficiente de correlação. Assim, este estudo centra-se na aplicação de novas tecnologias de análise da qualidade da uva para a produção do vinho, factor determinante para a qualidade do produto final. |
id |
RCAP_bfe7e921e486509449a5e682af633be5 |
---|---|
oai_identifier_str |
oai:repositorio.utad.pt:10348/668 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Visão Hiperespectral em Contexto VitivinícolaImagem HiperespectralEspectroscopia no Infravermelho próximoRede NeuronaisBackpropagationLevenberg-MarquardtHyperspectral ImageNear infrared spectroscopyNeural NetworkAcompanhando a inovação tecnológica, surgem a cada dia, novas formas de análise de elementos biológicos que permitem obter a mais variada informação para diversos fins. A utilização de imagem hiperespectral na produção vitivinícola tem suscitado interesse na comunidade científica. A sua aplicação envolve metodologias cujos resultados se apresentam de uma forma mais objectiva, consistente e económica. É uma técnica que apresenta vantagens face à imagem multiespectral e que permite ainda o desenvolvimento de técnicas de análise ambientalmente sustentável. Nesta dissertação utilizaram-se espectros de reflectância através de imagens hiperespectrais retiradas a 45 amostras de uva da casta Cabernet Sauvignon, que foram posteriormente utilizados como dados numa rede neuronal. O principal objectivo é obter um coeficiente de correlação entre os dados obtidos em laboratório e os resultados da rede neuronal. Ao longo da presente dissertação são descritas diversas temáticas que envolvem a criação de redes neuronais com diferentes algoritmos procurando encontrar aquele que produz o melhor coeficiente de correlação. Assim, este estudo centra-se na aplicação de novas tecnologias de análise da qualidade da uva para a produção do vinho, factor determinante para a qualidade do produto final.Along with technological innovation, come out every day, new ways to analyze the biological elements that help get more varied information for various purposes. The use of hyperspectral imaging for wine production has sparked interest in the scientific community. Their implementation involves methodologies whose results are presented in a more objective, consistent and economical. This technique has advantages over multispectral image and will also develop techniques for analyzing environmentally sustainable. In this work we used reflectance spectra using hyperspectral images taken from the 45 samples of grapes from Cabernet Sauvignon, which were used as data in a neural network. The main objective is to obtain a correlation coefficient between the data obtained in the laboratory and the results of the neural network. Throughout this paper describes several issues that involve the creation of neural networks with different algorithms trying to find one that produces the best correlation coefficient. This study focuses on the application of new technologies for analyzing the quality of grapes for wine production, major factor in the quality of the final product.2011-10-10T10:32:27Z2010-01-01T00:00:00Z2010info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10348/668porPimenta, António José Gonçalvesinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-02-02T12:25:57Zoai:repositorio.utad.pt:10348/668Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T01:59:52.654464Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Visão Hiperespectral em Contexto Vitivinícola |
title |
Visão Hiperespectral em Contexto Vitivinícola |
spellingShingle |
Visão Hiperespectral em Contexto Vitivinícola Pimenta, António José Gonçalves Imagem Hiperespectral Espectroscopia no Infravermelho próximo Rede Neuronais Backpropagation Levenberg-Marquardt Hyperspectral Image Near infrared spectroscopy Neural Network |
title_short |
Visão Hiperespectral em Contexto Vitivinícola |
title_full |
Visão Hiperespectral em Contexto Vitivinícola |
title_fullStr |
Visão Hiperespectral em Contexto Vitivinícola |
title_full_unstemmed |
Visão Hiperespectral em Contexto Vitivinícola |
title_sort |
Visão Hiperespectral em Contexto Vitivinícola |
author |
Pimenta, António José Gonçalves |
author_facet |
Pimenta, António José Gonçalves |
author_role |
author |
dc.contributor.author.fl_str_mv |
Pimenta, António José Gonçalves |
dc.subject.por.fl_str_mv |
Imagem Hiperespectral Espectroscopia no Infravermelho próximo Rede Neuronais Backpropagation Levenberg-Marquardt Hyperspectral Image Near infrared spectroscopy Neural Network |
topic |
Imagem Hiperespectral Espectroscopia no Infravermelho próximo Rede Neuronais Backpropagation Levenberg-Marquardt Hyperspectral Image Near infrared spectroscopy Neural Network |
description |
Acompanhando a inovação tecnológica, surgem a cada dia, novas formas de análise de elementos biológicos que permitem obter a mais variada informação para diversos fins. A utilização de imagem hiperespectral na produção vitivinícola tem suscitado interesse na comunidade científica. A sua aplicação envolve metodologias cujos resultados se apresentam de uma forma mais objectiva, consistente e económica. É uma técnica que apresenta vantagens face à imagem multiespectral e que permite ainda o desenvolvimento de técnicas de análise ambientalmente sustentável. Nesta dissertação utilizaram-se espectros de reflectância através de imagens hiperespectrais retiradas a 45 amostras de uva da casta Cabernet Sauvignon, que foram posteriormente utilizados como dados numa rede neuronal. O principal objectivo é obter um coeficiente de correlação entre os dados obtidos em laboratório e os resultados da rede neuronal. Ao longo da presente dissertação são descritas diversas temáticas que envolvem a criação de redes neuronais com diferentes algoritmos procurando encontrar aquele que produz o melhor coeficiente de correlação. Assim, este estudo centra-se na aplicação de novas tecnologias de análise da qualidade da uva para a produção do vinho, factor determinante para a qualidade do produto final. |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010-01-01T00:00:00Z 2010 2011-10-10T10:32:27Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10348/668 |
url |
http://hdl.handle.net/10348/668 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799137082056114177 |