Predição da germinação de sementes de soja usando aprendizado de máquina profundo

The evaluation of the quality of the soybean seed is based on the visual inspection of the seedlings after the germination period, being a subjective and time-consuming process, in addition to being destructive. The present work proposes the use of deep machine learning techniques to predict the...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Autor principal: Silva, Wesley Leocadio Barbosa da
Outros Autores: Santana, Laura Emmanuella Alves dos Santos
Formato: bachelorThesis
Idioma:pt_BR
Publicado em: Universidade Federal do Rio Grande do Norte
Assuntos:
Avaliação da qualidade de sementes
Seed quality assessment
Soja
Soybean
Inteligência Artificial
Artificial Intelligence
Redes Neurais Convolucionais
Convolutional Neural Networks
Transferência de Aprendizado
Transfer Learning
Endereço do item:https://repositorio.ufrn.br/handle/123456789/37916
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-37916
record_format dspace
institution Repositório Institucional
collection RI - UFRN
language pt_BR
topic Avaliação da qualidade de sementes
Seed quality assessment
Soja
Soybean
Inteligência Artificial
Artificial Intelligence
Redes Neurais Convolucionais
Convolutional Neural Networks
Transferência de Aprendizado
Transfer Learning
spellingShingle Avaliação da qualidade de sementes
Seed quality assessment
Soja
Soybean
Inteligência Artificial
Artificial Intelligence
Redes Neurais Convolucionais
Convolutional Neural Networks
Transferência de Aprendizado
Transfer Learning
Silva, Wesley Leocadio Barbosa da
Predição da germinação de sementes de soja usando aprendizado de máquina profundo
description The evaluation of the quality of the soybean seed is based on the visual inspection of the seedlings after the germination period, being a subjective and time-consuming process, in addition to being destructive. The present work proposes the use of deep machine learning techniques to predict the germination of soybean seeds from seed images. With this, greater agility is sought in the process of evaluating the quality of soybean seeds, in addition to characterizing a non-destructive seed evaluation process. To achieve this aim, a database was built containing approximately ten thousand images of seeds with the information whether they germinated or not germinated. After generating the image database, pre-trained convolutional neural network models were selected (VGG19, ResNet50 and InceptionV3) were selected, as well as the creation of an architecture for the seed classification task. After training and adjusting the architectures, a comparative analysis based on performance was performed using training graphs, confusion matrices and the following metrics: the final accuracy obtained during training, the accuracy of the test data, specificity and sensibility. The results obtained demonstrated the feasibility of applying convolutional neural networks for the task of predicting the germination of soybean seeds, indicating that the pre-trained architectures obtained superior results when compared with the model created, according to the following test accuracy averages : VGG19: 95.42%; Resnet50: 90.80%; Inception: 94.78 and model created: 87.44%.
author2 Santana, Laura Emmanuella Alves dos Santos
author_facet Santana, Laura Emmanuella Alves dos Santos
Silva, Wesley Leocadio Barbosa da
format bachelorThesis
author Silva, Wesley Leocadio Barbosa da
author_sort Silva, Wesley Leocadio Barbosa da
title Predição da germinação de sementes de soja usando aprendizado de máquina profundo
title_short Predição da germinação de sementes de soja usando aprendizado de máquina profundo
title_full Predição da germinação de sementes de soja usando aprendizado de máquina profundo
title_fullStr Predição da germinação de sementes de soja usando aprendizado de máquina profundo
title_full_unstemmed Predição da germinação de sementes de soja usando aprendizado de máquina profundo
title_sort predição da germinação de sementes de soja usando aprendizado de máquina profundo
publisher Universidade Federal do Rio Grande do Norte
publishDate 2021
url https://repositorio.ufrn.br/handle/123456789/37916
work_keys_str_mv AT silvawesleyleocadiobarbosada predicaodagerminacaodesementesdesojausandoaprendizadodemaquinaprofundo
_version_ 1797696479777783808
spelling ri-123456789-379162024-03-19T04:02:41Z Predição da germinação de sementes de soja usando aprendizado de máquina profundo Silva, Wesley Leocadio Barbosa da Santana, Laura Emmanuella Alves dos Santos Santana, Laura Emmanuella Alves dos Santos Pereira, Márcio Dias Abreu, Márjory Cristiany da Costa Avaliação da qualidade de sementes Seed quality assessment Soja Soybean Inteligência Artificial Artificial Intelligence Redes Neurais Convolucionais Convolutional Neural Networks Transferência de Aprendizado Transfer Learning The evaluation of the quality of the soybean seed is based on the visual inspection of the seedlings after the germination period, being a subjective and time-consuming process, in addition to being destructive. The present work proposes the use of deep machine learning techniques to predict the germination of soybean seeds from seed images. With this, greater agility is sought in the process of evaluating the quality of soybean seeds, in addition to characterizing a non-destructive seed evaluation process. To achieve this aim, a database was built containing approximately ten thousand images of seeds with the information whether they germinated or not germinated. After generating the image database, pre-trained convolutional neural network models were selected (VGG19, ResNet50 and InceptionV3) were selected, as well as the creation of an architecture for the seed classification task. After training and adjusting the architectures, a comparative analysis based on performance was performed using training graphs, confusion matrices and the following metrics: the final accuracy obtained during training, the accuracy of the test data, specificity and sensibility. The results obtained demonstrated the feasibility of applying convolutional neural networks for the task of predicting the germination of soybean seeds, indicating that the pre-trained architectures obtained superior results when compared with the model created, according to the following test accuracy averages : VGG19: 95.42%; Resnet50: 90.80%; Inception: 94.78 and model created: 87.44%. A avaliação da qualidade da semente de soja baseia-se na inspeção visual das plântulas após o período de germinação, sendo um processo subjetivo e demorado, além de ser destrutivo. O presente trabalho propõe a utilização de técnicas de aprendizado de máquina profundo para predizer a germinação das sementes de soja a partir de imagens das sementes. Busca-se com isso maior agilidade no processo de avaliação da qualidade de sementes de soja, além de caracterizar um processo de avaliação da semente não destrutivo. Para atender o objetivo, foi construído um banco de dados contendo aproximadamente dez mil imagens de sementes com informação se germinaram ou não germinaram. Após a geração da base de imagens, foram selecionados modelos de redes neurais convolucionais pré-treinados (VGG19, ResNet50 e InceptionV3), assim como a criação de uma arquitetura para tarefa de classificação das sementes. Após os ajustes e treinamento das arquiteturas, foi realizada uma análise comparativa com base no desempenho por meio dos gráficos de treinamento, matrizes de confusão e das seguintes métricas: a acurácia final obtida durante o treinamento, a acurácia dos dados de teste, especificidade e sensibilidade. Os resultados obtidos demonstraram a viabilidade da aplicação das redes neurais convolucionais para tarefa de predição da germinação de sementes de soja, indicando que as arquiteturas pré-treinadas obtiveram resultados superiores quando comparadas com o modelo criado, de acordo com os seguintes médias de acurácia de testes: VGG19: 95,42%; Resnet50: 90,80%; Inception: 94,78 e modelo criado: 87,44%. 2021-12-31 2021-05-04T17:27:50Z 2021-09-22T14:24:54Z 2021-05-04T17:27:50Z 2021 bachelorThesis 20180121082 SILVA, Wesley Leocadio Barbosa da. Predição da germinação de sementes de soja usando aprendizado de máquina profundo. 2021. 66 f. Trabalho de Conclusão de Curso (Tecnólogo em Análise e Desenvolvimento de Sistemas) - Unidade Acadêmica Especializada em Ciências Agrárias, Universidade Federal do Rio Grande do Norte, Macaíba, 2021. https://repositorio.ufrn.br/handle/123456789/37916 pt_BR Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas

Registros relacionados