Proposal of automated computational method to support Virginia tobacco classification

AUTOR(ES)
FONTE

Rev. bras. eng. agríc. ambient.

DATA DE PUBLICAÇÃO

09/09/2019

RESUMO

RESUMO Este artigo propõe um método automático para classificação de folhas de tabaco curado. Tipicamente este processo é realizado de modo manual, possibilitando erros humanos. Aliado a isso, a existência de um procedimento comparativo automatizado, auxiliando na realização da classificação, poderá tornar tal processo mais rápido e transparente. Para a implementação do método, não invasivo ao produto agrícola, analisou-se 250 amostras de imagens digitais de tabaco Virginia nos modelos de cores RGB e HSV. A validação do método foi desenvolvida empregando ferramentas de quadrados mínimos parciais (QMP) e rede neural artificial (RNA), apresentando uma análise qualitativa e quantitativa de ambos as ferramentas. Verificou-se que a técnica de QMP pode ser aplicada para este método, pelo fato de possuir um tempo computacional menor, adequando-se melhor a um processo em tempo real. Pode-se constatar que o método por RNA obteve melhores resultados de predição. Ambos os métodos empregados, tiveram melhores resultados adotando o modelo de cor RGB, atingindo coeficientes de determinação de 68 e 96% para o método de QMP e RNA, respectivamente.ABSTRACT This article proposes an automatic method for classification of cured tobacco leaves. Typically this process is performed manually, allowing the occurrence of human errors. In addition, the existence of an automated comparative procedure, helping to perform the classification, can make this process faster and more transparent. In order to implement the method, non-invasive to the agricultural product, 250 samples of Virginia tobacco digital images in the RGB and HSV color models were analyzed. The validation of the method was carried out using partial least squares (PLS) and artificial neural network (ANN), presenting a qualitative and quantitative analysis of both tools. It has been verified that the PLS can be applied to this method, as it has a shorter computational time, better suiting a real-time process. It can be verified that the ANN obtained better prediction results. Both methods employed had better results when adopting the RGB color model, reaching coefficient of determinations of 68 and 96% for the PLS and ANN methods, respectively.

Documentos Relacionados