Classificação de Imagens de Sementes com Deep Learning implementada na plataforma Android
Resumo
Diante da importância de sementes e o crescente avanço tecnológico, tornou-se possível implementações de soluções em botânica no contexto de computação pervasiva. Este trabalho aplica Deep Learning em classificação de imagens de sementes. Nele é apresentado alguns fundamentos de Redes Neurais e as ferramentas usadas para a implementação de um modelo de classificação de imagens. A maior acurácia desse modelo foi de 94,57%.
Palavras-chave:
Computação Móvel, Ubíqua e/ou Pervasiva, Inteligência Artificial, Processamento Digital de Imagens, Visão Computacional
Referências
Ahmed, Imtihan, et al. "Custom visual recognition model with Watson studio." Proceedings of the 29th Annual International Conference on Computer Science and Software Engineering. 2019.
Boni, Gabriel N., et al. "Desenvolvimento de um Software de Coleta de Dados para Pesquisas de Campo Através de Dispositivos Móveis." X Congresso Brasileiro de Informática em Saúde. 2006.
Carvalho, Leticia Renata de, Edvaldo Aparecido Amaral da Silva, and Antonio Claudio Davide. "Classificação de sementes florestais quanto ao comportamento no armazenamento." Revista Brasileira de Sementes 28.2 (2006): 15-25.
Chaves, Esdras de Lima. "Detecção de câncer de mama por meio de imagens infravermelhas utilizando Redes Neurais Convolucionais." (2019).
Costa, Marly Guimarães Fernandes. "Redes Neurais Convolucionais na Saúde." Journal of Health Informatics 9.4 (2017).
De Souza Júnior, Marcelo et al. Rumo à Melhoria de Produtividade e Sustentabilidade Agrícola por meio da Classificação Automática do Vigor de Sementes de Soja. In: Anais do XLV Seminário Integrado de Software e Hardware. SBC, 2018.
Ferneda, Edberto. Redes neurais e sua aplicação em sistemas de recuperação de informação. Ciência da Informação, v. 35, n. 1, 2006.
Gazzola, Murilo. "Um Método para Avaliação Automática da Qualidade de Recursos Educacionais Abertos usando Deep Learning." Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE). Vol. 28. No. 1. 2017.
Gazolla-Neto, Alexandre, et al. "Rastreabilidade aplicada à produção de sementes de soja." Informativo ABRATES, Londrina 22.2 (2012): 20-24.
Kwon, Ojun; Park, Tusan. Applications of smartphone cameras in agriculture, environment, and food: A review. Journal of Biosystems Engineering, v. 42, n. 4, p. 330338, 2017.
Lecheta, Ricardo R. Google Android-3ª Edição: Aprenda a criar aplicações para dispositivos móveis com o Android SDK. Novatec Editora, 2013.
Montoya, Francisco G. et al. A monitoring system for intensive agriculture based on mesh networks and the android system. Computers and Electronics in Agriculture, v. 99, p. 14-20, 2013.
Neto, José Francisco Barbosa, and Fernando de Souza da Fonseca. "Jogos educativos em dispositivos móveis como auxílio ao ensino da matemática." RENOTE-Revista Novas Tecnologias na Educação 11.1 (2013).
Nielsen, Michael A. Neural Networks and Deep Learning. Determination Press, 2015. Oberderfer Júnior, Réges Eduardo. "Deep learning for boolean matching." (2018).
Rauber, Jonathan Terhorst. "Sistema de visão computacional aplicado à contagem de sementes de soja movimentadas por uma transportadora de sucção pneumática." (2019).
Rauber, Thomas Walter. "Redes neurais artificiais." Universidade Federal do Espírito Santo (2005).
Qiu, Zhengjun, et al. "Variety identification of single rice seed using hyperspectral imaging combined with convolutional neural network." Applied Sciences 8.2 (2018): 212.
Serafim, Paulo Bruno de Sousa. "Avaliação da competição no treino de agentes autônomos com Aprendizado Profundo por Reforço em jogos de Tiro em Primeira Pessoa." (2018).
Singh, Simranjeet, Parminder Singh, and Avinash Kaur. "A Survey on Image Processing Techniques for Seeds Classification." 2018 4th International Conference on Computing Sciences (ICCS). IEEE, 2018.
Sousa, Gabriel Garcez Barros. "Deep learning para a detecção e classificação de pneumonia por radiografias do tórax." (2018).
Boni, Gabriel N., et al. "Desenvolvimento de um Software de Coleta de Dados para Pesquisas de Campo Através de Dispositivos Móveis." X Congresso Brasileiro de Informática em Saúde. 2006.
Carvalho, Leticia Renata de, Edvaldo Aparecido Amaral da Silva, and Antonio Claudio Davide. "Classificação de sementes florestais quanto ao comportamento no armazenamento." Revista Brasileira de Sementes 28.2 (2006): 15-25.
Chaves, Esdras de Lima. "Detecção de câncer de mama por meio de imagens infravermelhas utilizando Redes Neurais Convolucionais." (2019).
Costa, Marly Guimarães Fernandes. "Redes Neurais Convolucionais na Saúde." Journal of Health Informatics 9.4 (2017).
De Souza Júnior, Marcelo et al. Rumo à Melhoria de Produtividade e Sustentabilidade Agrícola por meio da Classificação Automática do Vigor de Sementes de Soja. In: Anais do XLV Seminário Integrado de Software e Hardware. SBC, 2018.
Ferneda, Edberto. Redes neurais e sua aplicação em sistemas de recuperação de informação. Ciência da Informação, v. 35, n. 1, 2006.
Gazzola, Murilo. "Um Método para Avaliação Automática da Qualidade de Recursos Educacionais Abertos usando Deep Learning." Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE). Vol. 28. No. 1. 2017.
Gazolla-Neto, Alexandre, et al. "Rastreabilidade aplicada à produção de sementes de soja." Informativo ABRATES, Londrina 22.2 (2012): 20-24.
Kwon, Ojun; Park, Tusan. Applications of smartphone cameras in agriculture, environment, and food: A review. Journal of Biosystems Engineering, v. 42, n. 4, p. 330338, 2017.
Lecheta, Ricardo R. Google Android-3ª Edição: Aprenda a criar aplicações para dispositivos móveis com o Android SDK. Novatec Editora, 2013.
Montoya, Francisco G. et al. A monitoring system for intensive agriculture based on mesh networks and the android system. Computers and Electronics in Agriculture, v. 99, p. 14-20, 2013.
Neto, José Francisco Barbosa, and Fernando de Souza da Fonseca. "Jogos educativos em dispositivos móveis como auxílio ao ensino da matemática." RENOTE-Revista Novas Tecnologias na Educação 11.1 (2013).
Nielsen, Michael A. Neural Networks and Deep Learning. Determination Press, 2015. Oberderfer Júnior, Réges Eduardo. "Deep learning for boolean matching." (2018).
Rauber, Jonathan Terhorst. "Sistema de visão computacional aplicado à contagem de sementes de soja movimentadas por uma transportadora de sucção pneumática." (2019).
Rauber, Thomas Walter. "Redes neurais artificiais." Universidade Federal do Espírito Santo (2005).
Qiu, Zhengjun, et al. "Variety identification of single rice seed using hyperspectral imaging combined with convolutional neural network." Applied Sciences 8.2 (2018): 212.
Serafim, Paulo Bruno de Sousa. "Avaliação da competição no treino de agentes autônomos com Aprendizado Profundo por Reforço em jogos de Tiro em Primeira Pessoa." (2018).
Singh, Simranjeet, Parminder Singh, and Avinash Kaur. "A Survey on Image Processing Techniques for Seeds Classification." 2018 4th International Conference on Computing Sciences (ICCS). IEEE, 2018.
Sousa, Gabriel Garcez Barros. "Deep learning para a detecção e classificação de pneumonia por radiografias do tórax." (2018).
Publicado
26/10/2020
Como Citar
PIRES, Joel; OLIVEIRA NETO, João; DUARTE, Edson; DA SILVA, Camila; DA SILVA, Bárbara Talita.
Classificação de Imagens de Sementes com Deep Learning implementada na plataforma Android. In: ESCOLA REGIONAL DE COMPUTAÇÃO BAHIA, ALAGOAS E SERGIPE (ERBASE), 20. , 2020, Arapiraca-AL.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 149-158.
