Deep learning na identificação e quantificação de flores de Catharanthus roseus (L.) G. Don

• Autor(a) principal: Carmélia Maia Silva
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/46536
• topic: Vinca; Quantificação de flores; Visão Computacional; Mask R-CNN; Análise de imagem; Catharanthus; Arquitetura paisagística; Jardins

Catharanthus roseus (L.) G. Don conhecida popularmente como vinca, é uma espécie medicinal e ornamental. No paisagismo é uma opção para composição de jardins e apresenta floração em diversas cores. A Visão Computacional no setor da floricultura e paisagismo tem apresentado ferramentas para auxiliar no manejo, no cultivo e elaboração de projetos paisagísticos, como aplicativos para identificação de plantas. Desta forma, o objetivo deste trabalho foi avaliar o potencial da rede Mask R-CNN para quantificar flores de vinca e as qualificar quanto a cor para aplicação nos setores de floricultura e paisagismo. Foram coletadas 700 imagens, 500 apresentavam floração tanto rosa quanto branca e 200 apenas as folhas que compôs o background. Para composição do banco sintético de imagens 100 flores brancas e 100 flores rosas foram processadas em formato png e formaram o foreground, sendo as duas separadas como duas subclasses. O treinamento utilizando a técnica transfer learning com o algoritmo Mask R-CNN foi realizado no Google colaboratory, com comandos em linguagem python e bibliotecas da plataforma Github. Por meio de avaliadores da qualidade de classificação, a rede neural convolucional Mask R-CNN apresentou precisão de 97% para a subclasse vinca rosa e 83% para a vinca branca, e acurácia geral acima de 80%. A rede se mostrou eficiente em estimar o número de flores, além de detectar e segmentar qualificando-as quanto à cor. Logo a metodologia pode ser utilizada na floricultura e paisagismo para estimar e quantificar flores por meio de imagens.