"Ciências Básicas para o Desenvolvimento Sustentável"
24 a 26 de outubro de 2023
Trabalho 19088
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Inteligência Artificial |
| Setor | Departamento de Estatística |
| Bolsa | CNPq |
| Conclusão de bolsa | Não |
| Apoio financeiro | CNPq |
| Primeiro autor | Aline Aparecida Malta |
| Orientador | LUIZ ALEXANDRE PETERNELLI |
| Outros membros | Alícia Ruiz do Rêgo Barros Veiga, Andréa Carla Bastos Andrade, Matheus de Paula Ferreira |
| Título | Avaliação do potencial de uso de imagens RGB na discriminação e identificação de variedades de cana-de-açúcar |
| Resumo | A cana-de-açúcar é uma das principais commodities agrícolas do Brasil e desempenha um papel fundamental tanto na indústria alimentícia quanto na indústria bioenergética. Devido à ampla diversidade de suas variedades e à necessidade de identificá-las de forma prática em campos experimentais ou comerciais, há um crescente interesse entre pesquisadores, técnicos e produtores rurais em estabelecer métodos eficazes para essa identificação. O uso de redes neurais convolucionais (CNN) para a detecção de características em imagens RGB (Red:Green:Blue) tem demonstrado resultados promissores em várias áreas de estudo. Nesse contexto, a combinação de técnicas de reconhecimento de padrões por meio de imagens, aliada à inteligência artificial, surge como uma solução viável e econômica para a identificação das variedades, permitindo que indivíduos sem treinamento especializado possam desempenhar essa tarefa com sucesso. Diante disso, o objetivo deste trabalho é utilizar redes neurais convolucionais para discriminar variedades de cana-de-açúcar por meio de imagens RGB de diferentes partes das plantas. Para isso, dez variedades comerciais de cana-de-açúcar foram avaliadas em um campo experimental da Universidade Federal de Viçosa (UFV), localizada em Viçosa, MG. Foram coletadas imagens de diferentes partes da planta de cana-de-açúcar, incluindo as regiões do ‘dewlap’, bainha, nós e gemas. Essas imagens foram obtidas de colmos provenientes de pelo menos dois perfilhos distintos de cada variedade ao longo do período de março a junho de 2023. A coleta foi realizada com diferentes aparelhos celulares, e dois operadores participaram em cada sessão. O procedimento de coleta foi sequencial, onde cada operador obteve as imagens das variedades na ordem inversa, e em duas rodadas de coleta. Uma análise exploratória multivariada de componentes principais (CP) foi realizada com os atributos extraídos da camada flatten do processo inicial da CNN, para observar a capacidade de agrupamento das variedades pelas imagens coletadas. Numa segunda etapa, buscou-se ajustar um modelo de classificação utilizando a CNN. As imagens obtidas na primeira coleta de cada operador foram utilizadas como dados de treinamento para a CNN. Por sua vez, as imagens obtidas na segunda coleta de cada operador foram reservadas para testar o modelo, a fim de avaliar sua eficácia na identificação das variedades. Resultados preliminares têm mostrado que existem perspectivas promissoras de que, com a otimização contínua do modelo e o aprimoramento da acurácia, seja viável identificar as variedades de cana-de-açúcar utilizando redes neurais convolucionais (CNN). No entanto, é importante ressaltar que ainda são necessários estudos adicionais para aperfeiçoar e aprimorar esse protocolo de classificação. |
| Palavras-chave | aprendizado de máquina, redes neurais convolucionais, componentes principais |
| Forma de apresentação..... | Vídeo |
| Link para apresentação | Vídeo |
|---|