Visão computacional aplicada na classificação de grãos de milho

Detalhes bibliográficos
Autor(a) principal: Rosin, Juliana Isabel de Freitas
Data de Publicação: 2019
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFFS (Repositório Digital da UFFS)
Texto Completo: https://rd.uffs.edu.br/handle/prefix/3366
Resumo: Este trabalho propõe utilizar visão computacional para classificar grãos de milho. Em virtude da subjetividade que o método manual impõe, utilizar técnicas de visão computacional e aprendizado de máquina podem auxiliar na diminuição dos erros ocasionados pela subjetividade do classificador. O trabalho proposto apresenta um protótipo de aquisição com controle de iluminação, a criação de um banco de imagens, uma análise exploratória nas características dos grãos de milho e testes de 3 datasets em 3 modelos conhecidos de aprendizado de máquina, sendo eles KNN, Random Forest e SVM, chegando a acurácia de 83% para classificar três classes de grãos de milho.
id UFFS_21f215702afdeda023385e7a0a15d4f4
oai_identifier_str oai:rd.uffs.edu.br:prefix/3366
network_acronym_str UFFS
network_name_str Repositório Institucional da UFFS (Repositório Digital da UFFS)
repository_id_str 3924
spelling Padilha, Adriano SanickRosin, Juliana Isabel de Freitas20192020-02-03T15:19:52Z20192020-02-03T15:19:52Z2019https://rd.uffs.edu.br/handle/prefix/3366Este trabalho propõe utilizar visão computacional para classificar grãos de milho. Em virtude da subjetividade que o método manual impõe, utilizar técnicas de visão computacional e aprendizado de máquina podem auxiliar na diminuição dos erros ocasionados pela subjetividade do classificador. O trabalho proposto apresenta um protótipo de aquisição com controle de iluminação, a criação de um banco de imagens, uma análise exploratória nas características dos grãos de milho e testes de 3 datasets em 3 modelos conhecidos de aprendizado de máquina, sendo eles KNN, Random Forest e SVM, chegando a acurácia de 83% para classificar três classes de grãos de milho.This paper proposes to use computer vision to classify corn grains. Due to the subjectivity that the manual method imposes, using computer vision techniques and machine learning can help to reduce the errors caused by the subjectivity of the classifier. The proposed work presents a prototype acquisition with lighting control, the creation of an image bank, an exploratory analysis on the characteristics of corn grains and tests of 3 data sets in 3 known machine learning models, KNN, Random Forest and SVM, reaching an accuracy of 83% to classify three maize grain classes.Submitted by Suelen Spindola Bilhar (suelen.bilhar@uffs.edu.br) on 2019-12-20T16:37:34Z No. of bitstreams: 1 ROSIN.pdf: 10968057 bytes, checksum: c249f41f0b8360961f7105e729ffff11 (MD5)Approved for entry into archive by Franciele Scaglioni da Cruz (franciele.cruz@uffs.edu.br) on 2020-02-03T15:19:52Z (GMT) No. of bitstreams: 1 ROSIN.pdf: 10968057 bytes, checksum: c249f41f0b8360961f7105e729ffff11 (MD5)Made available in DSpace on 2020-02-03T15:19:52Z (GMT). No. of bitstreams: 1 ROSIN.pdf: 10968057 bytes, checksum: c249f41f0b8360961f7105e729ffff11 (MD5) Previous issue date: 2019porUniversidade Federal da Fronteira SulUFFSBrasilCampus ChapecóVisão computacionalMilhoClassificaçãoVisão computacional aplicada na classificação de grãos de milhoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFFS (Repositório Digital da UFFS)instname:Universidade Federal Fronteira do Sul (UFFS)instacron:UFFSLICENSElicense.txtlicense.txttext/plain; charset=utf-81866https://rd.uffs.edu.br:8443/bitstream/prefix/3366/2/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD52ORIGINALROSIN.pdfROSIN.pdfapplication/pdf10968057https://rd.uffs.edu.br:8443/bitstream/prefix/3366/1/ROSIN.pdfc249f41f0b8360961f7105e729ffff11MD51prefix/33662020-02-03 13:19:52.173oai:rd.uffs.edu.br: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ório InstitucionalPUBhttps://rd.uffs.edu.br/oai/requestopendoar:39242020-02-03T15:19:52Repositório Institucional da UFFS (Repositório Digital da UFFS) - Universidade Federal Fronteira do Sul (UFFS)false
dc.title.pt_BR.fl_str_mv Visão computacional aplicada na classificação de grãos de milho
title Visão computacional aplicada na classificação de grãos de milho
spellingShingle Visão computacional aplicada na classificação de grãos de milho
Rosin, Juliana Isabel de Freitas
Visão computacional
Milho
Classificação
title_short Visão computacional aplicada na classificação de grãos de milho
title_full Visão computacional aplicada na classificação de grãos de milho
title_fullStr Visão computacional aplicada na classificação de grãos de milho
title_full_unstemmed Visão computacional aplicada na classificação de grãos de milho
title_sort Visão computacional aplicada na classificação de grãos de milho
author Rosin, Juliana Isabel de Freitas
author_facet Rosin, Juliana Isabel de Freitas
author_role author
dc.contributor.advisor1.fl_str_mv Padilha, Adriano Sanick
dc.contributor.author.fl_str_mv Rosin, Juliana Isabel de Freitas
contributor_str_mv Padilha, Adriano Sanick
dc.subject.por.fl_str_mv Visão computacional
Milho
Classificação
topic Visão computacional
Milho
Classificação
description Este trabalho propõe utilizar visão computacional para classificar grãos de milho. Em virtude da subjetividade que o método manual impõe, utilizar técnicas de visão computacional e aprendizado de máquina podem auxiliar na diminuição dos erros ocasionados pela subjetividade do classificador. O trabalho proposto apresenta um protótipo de aquisição com controle de iluminação, a criação de um banco de imagens, uma análise exploratória nas características dos grãos de milho e testes de 3 datasets em 3 modelos conhecidos de aprendizado de máquina, sendo eles KNN, Random Forest e SVM, chegando a acurácia de 83% para classificar três classes de grãos de milho.
publishDate 2019
dc.date.none.fl_str_mv 2019
dc.date.available.fl_str_mv 2019
2020-02-03T15:19:52Z
dc.date.issued.fl_str_mv 2019
dc.date.accessioned.fl_str_mv 2020-02-03T15:19:52Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://rd.uffs.edu.br/handle/prefix/3366
url https://rd.uffs.edu.br/handle/prefix/3366
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 Universidade Federal da Fronteira Sul
dc.publisher.initials.fl_str_mv UFFS
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Campus Chapecó
publisher.none.fl_str_mv Universidade Federal da Fronteira Sul
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFFS (Repositório Digital da UFFS)
instname:Universidade Federal Fronteira do Sul (UFFS)
instacron:UFFS
instname_str Universidade Federal Fronteira do Sul (UFFS)
instacron_str UFFS
institution UFFS
reponame_str Repositório Institucional da UFFS (Repositório Digital da UFFS)
collection Repositório Institucional da UFFS (Repositório Digital da UFFS)
bitstream.url.fl_str_mv https://rd.uffs.edu.br:8443/bitstream/prefix/3366/2/license.txt
https://rd.uffs.edu.br:8443/bitstream/prefix/3366/1/ROSIN.pdf
bitstream.checksum.fl_str_mv 43cd690d6a359e86c1fe3d5b7cba0c9b
c249f41f0b8360961f7105e729ffff11
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFFS (Repositório Digital da UFFS) - Universidade Federal Fronteira do Sul (UFFS)
repository.mail.fl_str_mv
_version_ 1799765399961600000

Registros relacionados