Imagens de Raios X e YOLOv8 para Avaliação Automatizada, Precisa e Não Destrutiva da Qualidade de Sementes Braquiária (Urochloa brizantha)

  • Rafael Capelo Domingues UFC
  • Gabriel Vasconcelos Fruet UFC
  • Haynna Fernandes Abud UFC
  • Danielo G. Gomes UFC

Resumo


A qualidade das sementes é essencial na agricultura. A busca por testes rápidos para aferir com acurácia o vigor das sementes é uma preocupação de empresas produtoras, para as quais o tempo de execução dos testes é um fator limitante. Este artigo aplica a arquitetura YOLOv8 para avaliar a qualidade de sementes de forma rápida, automatizada e não destrutiva. O método proposto utiliza imagens radiográficas de sementes braquiárias (Urochloa brizantha) para identificar e classificá-las com base em sua qualidade fisiológica. A rede YOLOv8 foi treinada com um conjunto de dados de imagens de sementes e os resultados mostraram uma alta precisão na identificação e classificação das mesmas, com métricas mAP50 e mAP50-95, respectivamente, 90.6% e 90.1% em relação a todas as classes.

Referências

Abud, H. F., Cicero, S. M., and Gomes Junior, F. G. (2018). Radiographic images and relationship of the internal morphology and physiological potential of broccoli seeds. Acta Scientiarum. Agronomy, 40(Acta Sci., Agron., 2018 40):e34950.

Bochkovskiy, A., Wang, C., and Liao, H. M. (2020). Yolov4: Optimal speed and accuracy of object detection. CoRR, abs/2004.10934.

de Freitas, M. N., Dias, M. A. N., Gomes-Junior, F. G., Abud, H. F., de Araújo, L. B., and de Moraes, T. F. (2021). Discrimination of urochloa seed genotypes through image analysis: Morphological features. Agronomy Journal, 113(6):4930–4944.

Jeromini, T. S., Martins, C. C., Pereira, F. E. C. B., and Gomes, F. G. (2019). The use of x-ray to evaluate brachiaria brizantha seeds quality during seed processing. Revista Ciência Agronômica, 50(Rev. Ciênc. Agron., 2019 50(3)):439–446.

Jocher, G., Chaurasia, A., and Qiu, J. (2023). YOLO by Ultralytics.

Lin, T.-Y., Maire, M., Belongie, S., Hays, J., Perona, P., Ramanan, D., Dollár, P., and Zitnick, C. L. (2014). Microsoft coco: Common objects in context. In Fleet, D., Pajdla, T., Schiele, B., and Tuytelaars, T., editors, Computer Vision – ECCV 2014, pages 740–755, Cham. Springer International Publishing.

Ramos, A. K. F., Medeiros, A. D. d., Pereira, M. D., Araújo, Y. F., Silva, L. J. d., and Alves, C. Z. (2022). Sars software for analysis of radiographic images of urochloa decumbens (stapf) rd webster seeds. Journal of Seed Science, 44:e202244045.

Silva, A., de Oliveira, L., Pereira da Silva, C., Tiago, C., Mendes, E., Ferreira, A., Safadi, T., and Carvalho, M. (2022). Seed quality of brachiaria brizantha by x-ray image analysis using a bayesian approach. Acta Scientiarum Agronomy, 44:2022.

Sudki, J. M., Fonseca de Oliveira, G. R., de Medeiros, A. D., Mastrangelo, T., Arthur, V., Amaral da Silva, E. A., and Mastrangelo, C. B. (2023). Fungal identification in peanuts seeds through multispectral images: Technological advances to enhance sanitary quality. Frontiers in Plant Science, 14.
Publicado
08/11/2023
DOMINGUES, Rafael Capelo; FRUET, Gabriel Vasconcelos; ABUD, Haynna Fernandes; GOMES, Danielo G.. Imagens de Raios X e YOLOv8 para Avaliação Automatizada, Precisa e Não Destrutiva da Qualidade de Sementes Braquiária (Urochloa brizantha). In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA (SBIAGRO), 14. , 2023, Natal/RN. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2023 . p. 167-174. ISSN 2177-9724. DOI: https://doi.org/10.5753/sbiagro.2023.26555.