Modelos de detecção e contagem de esporos de fungos micorrízicos por meio da transformada de hough circular e de redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFBA |
Texto Completo: | http://repositorio.ufba.br/ri/handle/ri/28872 |
Resumo: | A maioria das espécies vegetais forma associações mutualistas entre certos fungos de solo e suas raízes, e essas associações são denominadas micorrizas. Destaca-se, como parte das pesquisas em Fungos Micorrízicos Arbusculares (FMAs), a detecção da presença e a estimativa da quantidade dos esporos desses fungos, após sua extração. A dificuldade na contagem desses esporos se dá pelo fato dela ainda ser feita manualmente, com auxílio de microscópio (lupa) e, às vezes, com contador digital. A contagem dos esporos exige habilidade do especialista para diferenciar os esporos de outros elementos que permanecem após a extração, como partículas minerais e fragmentos de hifas. Isso ocorre porque a porção de terra em análise, mesmo passando por um processo mecânico de limpeza, permanece com impurezas na amostra que vai ao microscópio. Essas impurezas podem confundir a detecção e posterior contagem dos esporos, além da dificuldade do especialista de seguir uma ordem para não contar esporos repetidos ou deixar de contar algum. A detecção e a contagem dos esporos de FMA são importantes métodos, por exemplo, para controlar a aplicação de insumos em uma determinada área. Utilizando-se dessas associações e com o conhecimento prévio da quantidade presente de FMA, é possível definir as quantidades adequadas de insumos, garantindo-se que a planta consiga absorvê-los ao máximo, reduzindo-se os desperdícios. A automação do processo de contagem de esporos de FMA proporciona confiabilidade e agilidade nos resultados apresentados pelos especialistas. O objetivo deste estudo é propor e investigar a eficiência de um método de contagem automática com a aplicação de modelos com arquiteturas baseadas em Rede Neural Artificial (RNA). O trabalho avalia o desempenho de um sistema semiautomatizado de contagem, com base na aplicação de dois modelos usados como identificadores e classificadores das imagens dos esporos de FMAs. Utiliza-se a Transformada Hough Circular (THC) como ferramenta de pré-processamento das imagens a serem classificadas pelas RNAs. Os resultados obtidos demonstraram que os dois modelos, baseados em redes neurais se caracterizam como bons classificadores. Ambos os modelos alcançaram altas taxas de acerto na classificação, quando comparados ao sistema de contagem manual, podendo ser aplicados em um sistema de automação do processo de contagem de esporos de FMAs. Como forma de beneficiar este processo propõe-se o desenvolvimento de um modelo, baseado em software, que possa automatizá-lo, explorando técnicas de processamento de imagens e de redes neurais artificiais. Palavra |
id |
UFBA-2_81281b508232a805524e1934f4b0c562 |
---|---|
oai_identifier_str |
oai:repositorio.ufba.br:ri/28872 |
network_acronym_str |
UFBA-2 |
network_name_str |
Repositório Institucional da UFBA |
repository_id_str |
1932 |
spelling |
Melo, Clênia Andrade Oliveira deMagalhães, Robson da SilvaTrindade, Roque Mendes PradoSilva, Alzira Ferreira daLima, Antônio Cesar de CastroMuniz, Pablo Rodrigues2019-03-18T13:31:49Z2019-03-18T13:31:49Z2019-03-182018-08-21http://repositorio.ufba.br/ri/handle/ri/28872A maioria das espécies vegetais forma associações mutualistas entre certos fungos de solo e suas raízes, e essas associações são denominadas micorrizas. Destaca-se, como parte das pesquisas em Fungos Micorrízicos Arbusculares (FMAs), a detecção da presença e a estimativa da quantidade dos esporos desses fungos, após sua extração. A dificuldade na contagem desses esporos se dá pelo fato dela ainda ser feita manualmente, com auxílio de microscópio (lupa) e, às vezes, com contador digital. A contagem dos esporos exige habilidade do especialista para diferenciar os esporos de outros elementos que permanecem após a extração, como partículas minerais e fragmentos de hifas. Isso ocorre porque a porção de terra em análise, mesmo passando por um processo mecânico de limpeza, permanece com impurezas na amostra que vai ao microscópio. Essas impurezas podem confundir a detecção e posterior contagem dos esporos, além da dificuldade do especialista de seguir uma ordem para não contar esporos repetidos ou deixar de contar algum. A detecção e a contagem dos esporos de FMA são importantes métodos, por exemplo, para controlar a aplicação de insumos em uma determinada área. Utilizando-se dessas associações e com o conhecimento prévio da quantidade presente de FMA, é possível definir as quantidades adequadas de insumos, garantindo-se que a planta consiga absorvê-los ao máximo, reduzindo-se os desperdícios. A automação do processo de contagem de esporos de FMA proporciona confiabilidade e agilidade nos resultados apresentados pelos especialistas. O objetivo deste estudo é propor e investigar a eficiência de um método de contagem automática com a aplicação de modelos com arquiteturas baseadas em Rede Neural Artificial (RNA). O trabalho avalia o desempenho de um sistema semiautomatizado de contagem, com base na aplicação de dois modelos usados como identificadores e classificadores das imagens dos esporos de FMAs. Utiliza-se a Transformada Hough Circular (THC) como ferramenta de pré-processamento das imagens a serem classificadas pelas RNAs. Os resultados obtidos demonstraram que os dois modelos, baseados em redes neurais se caracterizam como bons classificadores. Ambos os modelos alcançaram altas taxas de acerto na classificação, quando comparados ao sistema de contagem manual, podendo ser aplicados em um sistema de automação do processo de contagem de esporos de FMAs. Como forma de beneficiar este processo propõe-se o desenvolvimento de um modelo, baseado em software, que possa automatizá-lo, explorando técnicas de processamento de imagens e de redes neurais artificiais. PalavraSubmitted by Flávia Sousa (flaviabs@ufba.br) on 2019-03-18T13:30:35Z No. of bitstreams: 1 Tese Final - CLÊNIA.pdf: 6334176 bytes, checksum: 16e2975e99fa8c5571ccf31aaaa66eba (MD5)Approved for entry into archive by Flávia Sousa (flaviabs@ufba.br) on 2019-03-18T13:31:49Z (GMT) No. of bitstreams: 1 Tese Final - CLÊNIA.pdf: 6334176 bytes, checksum: 16e2975e99fa8c5571ccf31aaaa66eba (MD5)Made available in DSpace on 2019-03-18T13:31:49Z (GMT). No. of bitstreams: 1 Tese Final - CLÊNIA.pdf: 6334176 bytes, checksum: 16e2975e99fa8c5571ccf31aaaa66eba (MD5)Engenharia elétricaClassificação de PadrõesContagem SemiautomatizadaRede Neural ArtificialProcessamento de ImagemTransformada de Hough CircularModelos de detecção e contagem de esporos de fungos micorrízicos por meio da transformada de hough circular e de redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisEscola Politécnicaem Engenharia IndustrialUFBAbrasilinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFBAinstname:Universidade Federal da Bahia (UFBA)instacron:UFBATEXTTese Final - CLÊNIA.pdf.txtTese Final - CLÊNIA.pdf.txtExtracted texttext/plain309247https://repositorio.ufba.br/bitstream/ri/28872/3/Tese%20Final%20-%20CL%c3%8aNIA.pdf.txt79de4b4e15bd5c0f628b42ebf56be09eMD53ORIGINALTese Final - CLÊNIA.pdfTese Final - CLÊNIA.pdfapplication/pdf6334176https://repositorio.ufba.br/bitstream/ri/28872/1/Tese%20Final%20-%20CL%c3%8aNIA.pdf16e2975e99fa8c5571ccf31aaaa66ebaMD51LICENSElicense.txtlicense.txttext/plain1383https://repositorio.ufba.br/bitstream/ri/28872/2/license.txt690bb9e0ab0d79c4ae420a800ae539f0MD52ri/288722021-12-30 11:04:39.887oai:repositorio.ufba.br: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ório InstitucionalPUBhttp://192.188.11.11:8080/oai/requestopendoar:19322021-12-30T14:04:39Repositório Institucional da UFBA - Universidade Federal da Bahia (UFBA)false |
dc.title.pt_BR.fl_str_mv |
Modelos de detecção e contagem de esporos de fungos micorrízicos por meio da transformada de hough circular e de redes neurais artificiais |
title |
Modelos de detecção e contagem de esporos de fungos micorrízicos por meio da transformada de hough circular e de redes neurais artificiais |
spellingShingle |
Modelos de detecção e contagem de esporos de fungos micorrízicos por meio da transformada de hough circular e de redes neurais artificiais Melo, Clênia Andrade Oliveira de Engenharia elétrica Classificação de Padrões Contagem Semiautomatizada Rede Neural Artificial Processamento de Imagem Transformada de Hough Circular |
title_short |
Modelos de detecção e contagem de esporos de fungos micorrízicos por meio da transformada de hough circular e de redes neurais artificiais |
title_full |
Modelos de detecção e contagem de esporos de fungos micorrízicos por meio da transformada de hough circular e de redes neurais artificiais |
title_fullStr |
Modelos de detecção e contagem de esporos de fungos micorrízicos por meio da transformada de hough circular e de redes neurais artificiais |
title_full_unstemmed |
Modelos de detecção e contagem de esporos de fungos micorrízicos por meio da transformada de hough circular e de redes neurais artificiais |
title_sort |
Modelos de detecção e contagem de esporos de fungos micorrízicos por meio da transformada de hough circular e de redes neurais artificiais |
author |
Melo, Clênia Andrade Oliveira de |
author_facet |
Melo, Clênia Andrade Oliveira de |
author_role |
author |
dc.contributor.author.fl_str_mv |
Melo, Clênia Andrade Oliveira de |
dc.contributor.advisor1.fl_str_mv |
Magalhães, Robson da Silva |
dc.contributor.advisor-co1.fl_str_mv |
Trindade, Roque Mendes Prado |
dc.contributor.referee1.fl_str_mv |
Silva, Alzira Ferreira da Lima, Antônio Cesar de Castro Muniz, Pablo Rodrigues |
contributor_str_mv |
Magalhães, Robson da Silva Trindade, Roque Mendes Prado Silva, Alzira Ferreira da Lima, Antônio Cesar de Castro Muniz, Pablo Rodrigues |
dc.subject.cnpq.fl_str_mv |
Engenharia elétrica |
topic |
Engenharia elétrica Classificação de Padrões Contagem Semiautomatizada Rede Neural Artificial Processamento de Imagem Transformada de Hough Circular |
dc.subject.por.fl_str_mv |
Classificação de Padrões Contagem Semiautomatizada Rede Neural Artificial Processamento de Imagem Transformada de Hough Circular |
description |
A maioria das espécies vegetais forma associações mutualistas entre certos fungos de solo e suas raízes, e essas associações são denominadas micorrizas. Destaca-se, como parte das pesquisas em Fungos Micorrízicos Arbusculares (FMAs), a detecção da presença e a estimativa da quantidade dos esporos desses fungos, após sua extração. A dificuldade na contagem desses esporos se dá pelo fato dela ainda ser feita manualmente, com auxílio de microscópio (lupa) e, às vezes, com contador digital. A contagem dos esporos exige habilidade do especialista para diferenciar os esporos de outros elementos que permanecem após a extração, como partículas minerais e fragmentos de hifas. Isso ocorre porque a porção de terra em análise, mesmo passando por um processo mecânico de limpeza, permanece com impurezas na amostra que vai ao microscópio. Essas impurezas podem confundir a detecção e posterior contagem dos esporos, além da dificuldade do especialista de seguir uma ordem para não contar esporos repetidos ou deixar de contar algum. A detecção e a contagem dos esporos de FMA são importantes métodos, por exemplo, para controlar a aplicação de insumos em uma determinada área. Utilizando-se dessas associações e com o conhecimento prévio da quantidade presente de FMA, é possível definir as quantidades adequadas de insumos, garantindo-se que a planta consiga absorvê-los ao máximo, reduzindo-se os desperdícios. A automação do processo de contagem de esporos de FMA proporciona confiabilidade e agilidade nos resultados apresentados pelos especialistas. O objetivo deste estudo é propor e investigar a eficiência de um método de contagem automática com a aplicação de modelos com arquiteturas baseadas em Rede Neural Artificial (RNA). O trabalho avalia o desempenho de um sistema semiautomatizado de contagem, com base na aplicação de dois modelos usados como identificadores e classificadores das imagens dos esporos de FMAs. Utiliza-se a Transformada Hough Circular (THC) como ferramenta de pré-processamento das imagens a serem classificadas pelas RNAs. Os resultados obtidos demonstraram que os dois modelos, baseados em redes neurais se caracterizam como bons classificadores. Ambos os modelos alcançaram altas taxas de acerto na classificação, quando comparados ao sistema de contagem manual, podendo ser aplicados em um sistema de automação do processo de contagem de esporos de FMAs. Como forma de beneficiar este processo propõe-se o desenvolvimento de um modelo, baseado em software, que possa automatizá-lo, explorando técnicas de processamento de imagens e de redes neurais artificiais. Palavra |
publishDate |
2018 |
dc.date.submitted.none.fl_str_mv |
2018-08-21 |
dc.date.accessioned.fl_str_mv |
2019-03-18T13:31:49Z |
dc.date.available.fl_str_mv |
2019-03-18T13:31:49Z |
dc.date.issued.fl_str_mv |
2019-03-18 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufba.br/ri/handle/ri/28872 |
url |
http://repositorio.ufba.br/ri/handle/ri/28872 |
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.publisher.none.fl_str_mv |
Escola Politécnica |
dc.publisher.program.fl_str_mv |
em Engenharia Industrial |
dc.publisher.initials.fl_str_mv |
UFBA |
dc.publisher.country.fl_str_mv |
brasil |
publisher.none.fl_str_mv |
Escola Politécnica |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFBA instname:Universidade Federal da Bahia (UFBA) instacron:UFBA |
instname_str |
Universidade Federal da Bahia (UFBA) |
instacron_str |
UFBA |
institution |
UFBA |
reponame_str |
Repositório Institucional da UFBA |
collection |
Repositório Institucional da UFBA |
bitstream.url.fl_str_mv |
https://repositorio.ufba.br/bitstream/ri/28872/3/Tese%20Final%20-%20CL%c3%8aNIA.pdf.txt https://repositorio.ufba.br/bitstream/ri/28872/1/Tese%20Final%20-%20CL%c3%8aNIA.pdf https://repositorio.ufba.br/bitstream/ri/28872/2/license.txt |
bitstream.checksum.fl_str_mv |
79de4b4e15bd5c0f628b42ebf56be09e 16e2975e99fa8c5571ccf31aaaa66eba 690bb9e0ab0d79c4ae420a800ae539f0 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFBA - Universidade Federal da Bahia (UFBA) |
repository.mail.fl_str_mv |
|
_version_ |
1808459586871492608 |