Please use this identifier to cite or link to this item: http://tede2.uepg.br/jspui/handle/prefix/146
metadata.dc.type: Dissertação
Title: Método computacional para identificação do fungo Cercospora Kikuchii em sementes de soja
Método computacional para identificação do fungo Cercospora Kikuchii em sementes de soja
metadata.dc.creator: Franco, Jaqueline Rissá
metadata.dc.contributor.advisor1: Falate, Rosane
metadata.dc.contributor.referee1: Jaccoud Filho, David de Souza
metadata.dc.contributor.referee2: Sanches, Ionildo José
metadata.dc.description.resumo: A presença da patologia conhecida como mancha púrpura da semente de soja é causada pelo fungo Cercospora kikuchii e pode implicar em prejuízos tanto de produtividade quanto de qualidade na produção de derivados. O controle de qualidade de sementes é essencial para evitar perdas como essas, sendo então convencionalmente realizadas inspeções visuais, para identificar as sementes contaminadas. Porém, tais processos convencionais são lentos e imprecisos, uma vez que depende diretamente do analista. O presente trabalho teve por objetivo desenvolver um sistema computacional para a identificação de sementes de soja contaminadas pelo fungo Cercospora kikuchii. O método proposto foi desenvolvido utilizando a biblioteca OpenCV, por meio da linguagem de programação Java, e utilizando a interface de integração da ferramenta WEKA. Foram consideradas amostras de 150 sementes sadias e de 150 sementes contaminadas. A obtenção individual da imagem de cada semente, para fins de classificação em sadia ou contaminada, foi realizada e foi considerada durante o processo a qualidade individual de cada etapa do processo. O resultado alcançado foi de 88% de assertividade, utilizando a validação cruzada sobre o modelo de rede neural artificial construído, e de 100% de assertividade sobre as imagens utilizadas. Os melhores resultados encontrados em trabalhos de outros autores, considerando especificamente o fungo Cercospora kikuchii, foram de 66% a 83% de assertividade.
Abstract: The condition known as purple spot in soybean seed is caused by the fungus Cercospora kikuchii and can influence both yield and quality losses in the production of soybean derivatives. Seed quality control is essential to avoid such losses, so there are conventional methods, such as visual inspections to identify contaminated seeds. However, these conventional processes are slow and imprecise, since they depend directly on the analyst. The present work had as objective to develop a computational system for the identification of soybean seeds contaminated by the fungus Cercospora kikuchii. The proposed method was developed based on the OpenCV library, using the Java programming language and the integration interface of the WEKA tool. Samples of 150 healthy seeds and 150 contaminated seeds were considered. The individual image acquisition of each seed, for purposes of classification in healthy or contaminated, was performed and was consided in the process the individual quality of each stage. The obtained result was 88% of correct classifications, using crossvalidation in the constructed neural network model and 100% correct classifications in the used images. The best results found in studies of other authors, specifically considering the fungus Cercospora kikuchii, were 66% to 83% of the correct classifications.
Keywords: OpenCV
Glycine max (L.) Merrill
Cercospora kikuchii
Processamento de imagens
CIEL*a*b
RGB
HSV
OpenCV
Glycine max (L.) Merrill
Cercospora kikuchii
image processing
CIEL*a*b
RGB
HSV
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.language: por
metadata.dc.publisher.country: BR
Publisher: UNIVERSIDADE ESTADUAL DE PONTA GROSSA
metadata.dc.publisher.initials: UEPG
metadata.dc.publisher.department: Computação para Tecnologias em Agricultura
metadata.dc.publisher.program: Programa de Pós Graduação Computação Aplicada
Citation: FRANCO, Jaqueline Rissá. Método computacional para identificação do fungo Cercospora Kikuchii em sementes de soja. 2017. 111 f. Dissertação (Mestrado em Computação para Tecnologias em Agricultura) - UNIVERSIDADE ESTADUAL DE PONTA GROSSA, Ponta Grossa, 2017.
metadata.dc.rights: Acesso Aberto
URI: http://tede2.uepg.br/jspui/handle/prefix/146
Issue Date: 29-Jun-2017
Appears in Collections:Programa de Pós Graduação Computação Aplicada

Files in This Item:
File SizeFormat 
dissertacao_jaqueline_franco.pdf5.32 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.