Uma nova proposta para identificação automática de múltiplas doenças em plantação de soja:[recurso eletrônico]/Juliana Mariana Macêdo Araújo ; orientador: Zelia Myriam Assis Peixoto
| Autor: | Araújo, Juliana Mariana Macêdo |
|---|---|
| Přispěvatelé: | Peixoto, Zélia Myriam Assis Orientadora, Pontifícia Universidade Católica de Minas Gerais.Programa de Pós-Graduação em Engenharia Mecânica Instituição |
| Jazyk: | portugalština |
| Rok vydání: | 2019 |
| Předmět: | |
| Zdroj: | Biblioteca Digital de Teses e Dissertações da PUC_MINAS Pontifícia Universidade Católica de Minas Gerais (PUC MINAS) instacron:PUC_MINS |
| Popis: | Dissertação (Mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica. Bibliografia: f. 67-69 Esta dissertação apresenta uma proposta para a identificação e classificação de 8 diferentes doenças em plantações de soja, o Crestamento Bacteriano, Ferrugem, Fitotoxidade, Mosaico da Soja, Mancha Alvo, Míldio, Oídio e Mancha Parda. Os processos de identificação das doenças da soja são realizados com base na associação de técnicas de processamento digital de imagens voltadas à extração de características das imagens das folhas acometidas pelas doenças e subsequente classificação. Especificamente, a detecção automática das doenças da soja é baseada em análises de cor, textura e características locais das regiões afetadas das folhas utilizando-se, respectivamente, a técnica Color Moments, Local Binary Patterns (LBP) e Bag of Visual Words Model (BoVW). Em seguida, os dados extraídos são agrupados e submetidos ao classificador Support Vector Machine (SVM). As imagens utilizadas foram obtidas a partir do Dataset Digipathos, uma base de dados disponibilizada pela Empresa Brasileira de Pesquisa Agropecuária (Embrapa), composta por 354 imagens das 8 doenças de soja investigadas neste trabalho. Após análises das técnicas individualmente e em conjunto, os resultados da classificação obtidos com a metodologia proposta foram comparados, considerando um intervalo de confiança de 5%, ao trabalho de Barbedo, Koenigkan e Santos (2016), que também realizou o desenvolvimento e testes de seus experimentos a partir da mesma base de dados, a Dataset Digipathos da Embrapa. Palavras-chave: Processamento digital de imagens. Visão computacional. Doenças da soja. Local Binary Pattern. Support Vector Machine. Color Moments. BoVW. This dissertation presents the approach for the classification of 8 different soybean diseases: Bacterial Blight, Soybean Rust, Copper Phytotoxicity, Soybean Mosaic, Target Spot, Downy Mildew, Powdery Mildew e Septoria Brown Spot. For the classification of soybean diseases, is used the association of digital image processing techniques, the Color Moments, Local Binary Pattern (LBP) and Bag of Visual Words Model (BoVW) and the classifier Support Vector Machine (SVM). The images used are from the dataset Digipathos, an database of the Empresa Brasileira de Pesquisa Agropecuária (Embrapa), composed of 354 images of the 8 soybean diseases used in this work. The results obtained with the proposed methodology were compared to the work of Barbedo, Koenigkan e Santos (2016) who carried out the test of their experiment on the same dataset Digipathos, considering a confidence interval of 5%. Keywords: Digital image processing; Computer vision. Soybean leaf disease. Computer vision. Local binary pattern. Support vector machine. Color Moments. BoVW. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|