Abordagem baseada na extração de atributos do pixel para quantificar a severidade da ferrugem asiática em imagens de folha de soja

Página do item simplificado
dataload.collectionmapped02 - Mestrado - Ciência da Computaçãopt_BR
dataload.filenamenourau8232.pdfpt_BR
dataload.handlemapped123456789/50pt_BR
dataload.idpergamum22002pt_BR
dataload.idvirtuanourauvtls000233951pt_BR
dataload.idvirtuapergamumvtls000233951pt_BR
dataload.idvirtuapergamum.sameurlnourauSIMpt_BR
dataload.linknourauhttp://www.bibliotecadigital.uel.br/document/?code=vtls000233951pt_BR
dataload.linknourau.regularSIMpt_BR
dataload.linknourau.retificadohttp://www.bibliotecadigital.uel.br/document/?code=vtls000233951pt_BR
dataload.linknourau.size64.00pt_BR
dc.contributor.advisorFelinto, Alan Salvany [Orientador]pt_BR
dc.contributor.authorBarbosa, Murilo Caminottopt_BR
dc.contributor.bancaBarbon Junior, Sylviopt_BR
dc.contributor.bancaCanteri, Marcelo Giovanettipt_BR
dc.coverage.spatialLondrinapt_BR
dc.date.accessioned2024-05-01T12:12:22Z
dc.date.available2024-05-01T12:12:22Z
dc.date.created2021.00pt_BR
dc.date.defesa16.06.2021pt_BR
dc.description.abstractResumo: A soja é um produto global, servindo como alimento tanto para humanos quanto para animais e possui subprodutos fabricados na industria, como óleo de soja, Shoyu, missô, Tofu, lecitina de soja (emulsificante para produtos como sorvete, achocolatados, salsichas, barras de cereais, e produtos congelados), com demanda na sociedade e portanto valor comercial agregado A Ferrugem Asiática é uma doença de soja que ocorre principalmente em regiões tropicais e subtropicais, que causa prejuízos para o Brasil na ordem de bilhões de dólares anuais A eficiência do controle da doença, assim como as tomadas de decisões relacionadas ao manejo do cultivo são avaliadas de acordo com nível da severidade Quantificar a severidade da Ferrugem Asiática é uma das chaves para o manejo e controle a base de fungicida A quantificação do nível de infecção da doença conta com o auxílio da inspeção visual de especialistas que utilizam escalas diagramáticas para estimarem a severidade da Ferrugem Asiática na plantação A estimativa por análise visual, por especialistas, possuem erros inerentes a condição humana, e por este motivo, análises de imagem e estimativas feitas por modelos criados, por métodos de aprendizado de máquina, tem sido aplicados na área da agronomia Este trabalho, utiliza técnicas de Processamento de Imagens e aprendizado de máquina para quantificar o grau da Severidade da Ferrugem Asiática O diferencial deste trabalho é a extração de descritores baseado em pixeis, fundamentado nas cores apresentadas em cada estágio do fungo causador da doença, sendo que todos os estágios podem ser encontrados em uma mesma folha A abordagem é pautada na classificação dos pixeis entre as classes ‘sadio’ e ‘patogênico’, com um total de 16 mil amostras de pixeis retiradas de 7 (sete) folhas, sendo estas uma de cada nível de infecção atestado pelo especialista Ao classificar cada pixel a área afetada pela doença é automaticamente segmentada durante o processo de classificação, consequentemente, não há necessidade de outro custo computacional para realizar a segmentação da área afetada pelo fungo A divisão entre o total de pixeis classificados como patogênicos pelo total dos pixeis da folha resulta no nível de infecção da ferrugem Asiática na folha da soja Ao término da análise dos resultados, o melhor modelo foi criado pelo algoritmo CART, obtendo uma acurácia superior a 97% na classificação entre pixeis sadios e patogênicospt_BR
dc.description.abstractother1Abstract: Soy is an global product, serving as food for humans and animals and has by-products manufactured in the industry, such as soybean oil, Shoyu, miso, Tofu, soy lecithin (emulsifier for products such as ice cream, chocolate, sausages, cereal bars, and frozen products), with demand in society and therefore added commercial value Asian Rust is one of the most devastating soy diseases in tropical and subtropical regions, causing losses to Brazil in the order of billions of dollars annually The efficiency of disease control, as well as making decisions related to crop management, are evaluated according to the level of severity Quantifying the severity of Asian Rust is one of the keys to fungicide-based management and control The quantification of the level of infection of the disease has the aid of visual inspection by specialists who use diagrammatic scales to estimate the severity of Asian Rust in the plantation Estimation by visual analysis, by specialists, has errors inherent to the human condition, therefore, image analysis and estimates made by models created by machine learning methods have been applied in the area of agronomy This work uses Image Processing techniques and machine learning to quantify the level of Severity of Asian Rust The differential of this work is the extraction of descriptors from pixels, from the colors presented in each stage of the fungus that causes the disease The approach is based on the classification of pixels between the ‘healthy’ and ‘pathogenic’ classes, with a total of 16 thousand pixel samples taken from 7 (seven) leaves, one of each level of infection attested by the specialist The area affected by the disease is automatically segmented during the classification process,consequently, there is no need for another computational cost to perform the segmentation of the area affected by the fungus The division between the total number of pixels classified as pathogenic by the total number of pixels on the leaf results in the level of Asian rust infection in the soybean leaf At the end of the analysis of the results, the best model was created by the CART algorithm, obtaining an accuracy greater than 97% in the classification between healthy and pathogenic pixelspt_BR
dc.description.notesDissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da Computaçãopt_BR
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/9861
dc.languagepor
dc.relation.coursedegreeMestradopt_BR
dc.relation.coursenameCiência da Computaçãopt_BR
dc.relation.departamentCentro de Ciências Exataspt_BR
dc.relation.ppgnamePrograma de Pós-Graduação em Ciência da Computaçãopt_BR
dc.subjectComputaçãopt_BR
dc.subjectProcessamento de imagenspt_BR
dc.subjectTécnicas digitaispt_BR
dc.subjectAprendizado do computadorpt_BR
dc.subjectFerrugem asiáticapt_BR
dc.subjectComputer sciencept_BR
dc.subjectDigital techniquespt_BR
dc.subjectMachine learningpt_BR
dc.subjectPhakopsora pachyrhizipt_BR
dc.subjectImage processingpt_BR
dc.titleAbordagem baseada na extração de atributos do pixel para quantificar a severidade da ferrugem asiática em imagens de folha de sojapt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
8232.pdf
Tamanho:
2.71 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

02 - Mestrado - Ciência da Computação