Classificação de doenças na folha do arroz através de processamento de imagens e aprendizado de máquina

Detalhes bibliográficos
Autor(a) principal: Pereira, Gesiane Morales
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/243110
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.
id UFSC_ac261a9d2f584c121230731a0357560a
oai_identifier_str oai:repositorio.ufsc.br:123456789/243110
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Classificação de doenças na folha do arroz através de processamento de imagens e aprendizado de máquinaVisão ComputacionalProcessamento de ImagensAprendizado de MáquinaRiziculturaTCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.O arroz é um dos alimentos mais consumidos no Brasil e no mundo. Doenças na planta podem reduzir drasticamente a produção do grão, sendo que, a Brusone e a Mancha-parda, são as principais doenças que afetam a rizicultura. Para agilizar a detecção de doenças na lavoura pode ser realizada a captura de imagens para posterior processamento e análise. Este trabalho busca propor um modelo de visão computacional que classifique as imagens das folhas do arroz entre as categorias doente com Brusone, doente com Mancha-parda e saudável. O modelo proposto se baseia no descritor de textura e padrões Local Binary Pattern e no algoritmo de aprendizado de máquina Support Vector Machine. A otimização de parâmetros através da busca utilizando o algoritmo de Grid Search apontou o melhor tipo de kernel e valores para os parâmetros C e Gamma do algoritmo de classificação para o problema em estudo. A validação cruzada forneceu informações para a avaliação de não existência de overfitting. O modelo obteve uma acurácia de 81,81%.Rice is one of the main foods consumed in Brazil and in the world. Diseases can drastically reduce the grain production, being Leaf Blast and Brown Spot the main ones that affect rice farming. To speed up the disease detection, images of the rice field can be obtained to later processing. The present study aims to propose a Computer Vision model that classifies rice images between the categories Leaf Blast, Brown Spot and healthy. The proposed model is based on the pattern and texture descriptor Local Binary Pattern and on the machine learning algorithm Support Vector Machine. The Grid Search algorithm pointed the best parameters for C, Gamma and the type of kernel for the problem in study. The cross validation algorithm offered informations to evaluate the non existence of overfitting. The model obtained an 81.81% accuracy.Florianópolis, SC.Mayer, JoceliUniversidade Federal de Santa Catarina.Pereira, Gesiane Morales2022-12-19T21:49:53Z2022-12-19T21:49:53Z2022-12-14info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis46application/pdfhttps://repositorio.ufsc.br/handle/123456789/243110Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2022-12-19T21:49:53Zoai:repositorio.ufsc.br:123456789/243110Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732022-12-19T21:49:53Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Classificação de doenças na folha do arroz através de processamento de imagens e aprendizado de máquina
title Classificação de doenças na folha do arroz através de processamento de imagens e aprendizado de máquina
spellingShingle Classificação de doenças na folha do arroz através de processamento de imagens e aprendizado de máquina
Pereira, Gesiane Morales
Visão Computacional
Processamento de Imagens
Aprendizado de Máquina
Rizicultura
title_short Classificação de doenças na folha do arroz através de processamento de imagens e aprendizado de máquina
title_full Classificação de doenças na folha do arroz através de processamento de imagens e aprendizado de máquina
title_fullStr Classificação de doenças na folha do arroz através de processamento de imagens e aprendizado de máquina
title_full_unstemmed Classificação de doenças na folha do arroz através de processamento de imagens e aprendizado de máquina
title_sort Classificação de doenças na folha do arroz através de processamento de imagens e aprendizado de máquina
author Pereira, Gesiane Morales
author_facet Pereira, Gesiane Morales
author_role author
dc.contributor.none.fl_str_mv Mayer, Joceli
Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Pereira, Gesiane Morales
dc.subject.por.fl_str_mv Visão Computacional
Processamento de Imagens
Aprendizado de Máquina
Rizicultura
topic Visão Computacional
Processamento de Imagens
Aprendizado de Máquina
Rizicultura
description TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-19T21:49:53Z
2022-12-19T21:49:53Z
2022-12-14
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://repositorio.ufsc.br/handle/123456789/243110
url https://repositorio.ufsc.br/handle/123456789/243110
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Open Access.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Open Access.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 46
application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC.
publisher.none.fl_str_mv Florianópolis, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808651893595963392

Registros relacionados