Use este identificador para citar ou linkar para este item:
https://repositorio.pucgoias.edu.br/jspui/handle/123456789/1271
Tipo: | Trabalho de Conclusão de Curso |
Título: | Detecção de ferrugem de folhas vegetais por meio de imagens aplicando redes neurais convolucionais |
Autor(es): | Cunha Junior, Wesley |
Primeiro Orientador: | Coelho, Clarimar José |
metadata.dc.contributor.referee1: | Rodrigues Filho, Arlindo |
metadata.dc.contributor.referee2: | Macêdo, Isaac Yves Lopes de |
Resumo: | A ferrugem da folha é uma patologia fúngica que se define pela apresentação de pústulas com esporos de cor amarelo escuro a marrom na face das folhas, a partir do incidente até o estágio de maturação, causando perdas na produção de grãos que podem superar 50%, reduzindo assim a área fotossintética e aumentando então a respiração. A classificação de folhas vegetais e a identificação de patologia fúngica como a ferrugem é um processo que até então é feito manualmente por taxonomistas e isso acaba empregando muito tempo para a sua realização, é necessário então que o produtor acompanhe o desenvolvimento da infecção para determinar o nível da infecção e aplicar a medicação correta e mesmo assim pode trazer uma taxa de sucesso baixa. Este trabalho propõe um algoritmo para solucionar a classificação de folhas com ferrugem utilizando Redes Neurais Convolucionais (algoritmos de Deep Learning) em uma base de 440 imagens de 12 espécies distintas, com o objetivo de classificá-las em portadora ou não de ferrugem. Foi utilizada transferência de aprendizado das arquiteturas de redes neurais convolucionais: AlexNet, GoogleNet, Resnet-18 e VGG-19. Os melhores resultados obtidos foram utilizados a Redes Neurais Convolucionais Resnet-18 e a VGG-19, ambas com treinamento de 20 épocas. A Resnet-18 atingiu uma acurácia de 96,6%, sensibilidade de 97,7% e especificidade de 95,5%, enquanto a VGG-19 atingiu uma acurácia de 96,6%, sensibilidade de 95,5% e especificidade de 97,7%. Deste modo, a utilização de redes neurais convolucionais tem grande potencial para utilização na detecção de patologia fúngica no caso ferrugem. |
Abstract: | Leaf rust is a fungal pathology that is defined by the presentation of pustules with dark yellow to brown spores on the face of the leaves, from the incident to the stage of maturation, causing losses in grain production that can exceed 50%, so cool the photosynthetic area and then increase the breath. The classification of plant leaves and the identification of fungal pathology as a rust is a process that until then has been done manually by taxonomists and this ends up taking a lot of time to be carried out, it is then necessary for the producer to monitor the development of the infection to determine the level infection and apply the correct medication and even then it can bring a low success rate. This work proposes an algorithm to solve the classification of leaves with rust using Convolutional Neural Networks (Deep Learning algorithms) based on 440 images of 12 different species, with the objective of classifying them into rust carrier or not. It was transferred according to the convolutional neural network architectures: AlexNet, GoogleNet, Resnet-18 and VGG-19. The best results obtained were used with Resnet-18 Convolutional Neural Networks and VGG-19, both with 20- season training. Resnet-18 achieved an accuracy of 96.6%, sensitivity of 97.7% and specificity of 95.5%, while VGG-19 reached an accuracy of 96.6%, sensitivity of 95.5% and specificity of 97.7%. Thus, the use of convolutional neural networks has great potential for use in the detection of fungal pathology in the case of rust. |
Palavras-chave: | Redes neurais Redes neurais convolucionais Classificação de folhas Deep learning Transferência de aprendizado |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
Idioma: | por |
País: | Brasil |
Editor: | Pontifícia Universidade Católica de Goiás |
Sigla da Instituição: | PUC Goiás |
metadata.dc.publisher.department: | Escola de Ciências Exatas e da Computação |
Tipo de Acesso: | Acesso Aberto |
URI: | https://repositorio.pucgoias.edu.br/jspui/handle/123456789/1271 |
Data do documento: | 4-Dez-2020 |
Aparece nas coleções: | TCC Engenharia de Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC 2 Final - Detecção de ferrugem de folhas vegetais por meio de imagens aplicando redes neurais convolucionais.pdf | TCC Wesley Cunha Jr | 1,85 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.
Ferramentas do administrador