Medição de qualidade de sementes de canola com visão computacional e aprendizado de máquina.
Produtos originados dos grãos da canola, como óleo, farinha e biodiesel, são diretamente afetados pela qualidade desses grãos. O uso da tecnologia tem contribuído para a identificação dos grãos impuros ou em estágios diferentes de maturidade. A visão computacional em conjunto com o aprendizado de máquina pode gerar ferramentas capazes de avaliar a qualidade das sementes de forma não invasiva, sem destruir amostras e com baixo custo, uma vez que utiliza imagens digitais como insumo. O presente estudo propõe o uso de visão computacional e aprendizado não supervisionado de máquina para análise de sementes de canola a partir de imagens digitais, com o objetivo de contar, identificar cada semente e calcular o percentual de grãos maduros. Os resultados mostraram que o método K?Means pode ser usado para contar e identificar sementes de canola em fotografias com alta precisão. Na amostra, foram identificadas noventa e três sementes maduras, quatro verdes e três secas.
| Main Authors: | , |
|---|---|
| Other Authors: | |
| Format: | Artigo em anais e proceedings biblioteca |
| Language: | Portugues pt_BR |
| Published: |
2023-11-08
|
| Subjects: | Google Colaboratory, Semente, Qualidade, Canola, Python, |
| Online Access: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1158058 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Produtos originados dos grãos da canola, como óleo, farinha e biodiesel, são diretamente afetados pela qualidade desses grãos. O uso da tecnologia tem contribuído para a identificação dos grãos impuros ou em estágios diferentes de maturidade. A visão computacional em conjunto com o aprendizado de máquina pode gerar ferramentas capazes de avaliar a qualidade das sementes de forma não invasiva, sem destruir amostras e com baixo custo, uma vez que utiliza imagens digitais como insumo. O presente estudo propõe o uso de visão computacional e aprendizado não supervisionado de máquina para análise de sementes de canola a partir de imagens digitais, com o objetivo de contar, identificar cada semente e calcular o percentual de grãos maduros. Os resultados mostraram que o método K?Means pode ser usado para contar e identificar sementes de canola em fotografias com alta precisão. Na amostra, foram identificadas noventa e três sementes maduras, quatro verdes e três secas. |
|---|