CLASSIFICATION OF Phaseolus lunatus L. USING IMAGE ANALYSIS AND MACHINE LEARNING MODELS

AUTOR(ES)

CASTRO, ÉRIKA BEATRIZ DE LIMA; MELO, RAYLSON DE SÁ; COSTA, EMANUEL MAGALHÃES DA; PESSOA, ANGELA MARIA DOS SANTOS; OLIVEIRA, RAMONY KELLY BEZERRA; BERTINI, CÂNDIDA HERMÍNIA CAMPOS DE MAGALHÃES

FONTE

Revista Caatinga

DATA DE PUBLICAÇÃO

2022

RESUMO

RESUMO - A análise de imagem associada com modelos de aprendizado de máquina pode ser uma excelente ferramenta de classificação para genótipos de fava, além de ser um sistema de baixo custo. A produção de feijão-fava é realizada por agricultores familiares, principalmente, nas regiões Nordeste e Sul do país, apresentando importância econômica e social. A avaliação e o conhecimento de caracteres qualitativos e quantitativos das sementes, permite a descrição e distinção de genótipos, permitindo a avaliação da variabilidade desta espécie, que é fundamental em um programa de melhoramento. O uso de análise de imagem é uma das ferramentas para obtenção de uma grande quantidade de informações de forma rápida e econômica. Com os avanços tecnológicos, e o uso cada vez mais comum de inteligência artificial, as técnicas de aprendizado de máquinas vêm sendo desenvolvidas e implementadas no setor agropecuário, permitindo que vários processos sejam automatizados. Diante do exposto, objetivou-se com esse trabalho, avaliar diferentes modelos de Machine Learning para classificar genótipos de fava, por meio de dados obtidos por análise de imagem. As imagens das sementes de fava, foram capturadas por um scanner de mesa, configurado no modo “true color”, adaptado de maneira invertida, dentro de uma caixa de alumínio, completamente fechada durante a captura da imagem, para ter iluminação adequada e eliminar ruídos do ambiente. Neste estudo foram usados os modelos de KNN, NB, LDA, SVM, GBM, BAGGING, CART, RF e C50. O modelo de LDA foi o que apresentou maior eficácia na classificação dos genótipos, com uma precisão de 90%.

Documentos Relacionados

• Gabaculine Inhibition of Chlorophyll Biosynthesis and Nodulation in Phaseolus lunatus L. 1
• SEMENTES DE Phaseolus lunatus L. SUBMETIDAS A CONCENTRAÇÕES SALINAS E DIFERENTES TEMPERATURAS
• Image segmentation and particles classification using texture analysis method
• A Classification-Based Machine Learning Approach for the Analysis of Genome-Wide Expression Data
• REACTIONS OF LIMA BEAN (Phaseolus lunatus L.) ACCESSIONS TO Colletotrichum truncatum