Deep learning na análise dos testes de tetrazólio e de pureza física de sementes de Urochloa brizantha cv. Marandu

• Autor(a) principal: Rayane Aguiar Alves
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/36081
• topic: Sementes; Qualidade; Capim-marandu; Deep learning; Redes neurais convolucionais

A análise computacional de imagens associada à Mask R-CNN (Mask Region-based Convolutional Neural Network) pode ser utilizada para automação e aprimoramento de diversas avaliações rotineiras, como o teste de tetrazólio e análise de pureza de sementes. O teste de tetrazólio é considerado um dos testes mais rápidos na avaliação de viabilidade de sementes, sendo altamente dependente da experiência e capacidade do avaliador para classificação dos resultados, sendo assim um teste subjetivo. A análise de pureza física é uma determinação obrigatória para comercialização de sementes e indica a qualidade física de lotes. Assim, objetivou-se verificar a eficiência da automação computacional na análise dos testes de tetrazólio e de pureza física de sementes de Urochloa brizantha cv. Marandu por meio do Mask R-CNN. O experimento foi conduzido em Montes Claros. Foram utilizados lotes de sementes de Brachiaria, provenientes de locais comerciais. Para obtenção das imagens, nos dois testes, foi utilizado um escâner de mesa (Hp Officejet 4500 Desktop). O teste de tetrazólio foi realizado de acordo com as Regras de Análises de Sementes (solução de 0,1%, por 5 horas, a 40 ºC)(BRASIL, 2009). Cada um dos dois fragmentos das sementes foi colocado sobre a placa de vidro do escâner com a parte corada voltada para baixo. Para automação da classificação dos resultados do teste de tetrazólio, foram utilizadas 4 repetições por lote e cada repetição possuiu 50 sementes. Já para a automação da análise de pureza foram escaneadas 5 proporções de pureza, sendo que cada proporção possuía duas amostras de 10 gramas cada uma. As redes neurais apresentaram alta eficiência ao classificar os resultados do teste de tetrazólio, apresentando valores de acurácia superiores a 80%, e acurácia geral em torno de 91%. Também obteve eficiência na estimação da pureza física dos lotes avaliados, com altos coeficientes de determinação. Logo, a automação da análise dos testes de tetrazólio e análise de pureza em sementes de Urochloa brizantha cv. Marandu é viável por meio da técnica Mask R-CNN.