Use este identificador para citar ou linkar para este item:
https://repositorio.pucgoias.edu.br/jspui/handle/123456789/7189
Tipo: | Trabalho de Conclusão de Curso |
Título: | Classificação de tipos de bananas utilizando imagens hiperespectrais e redes neurais perceptron multicamada |
Autor(es): | Matias, Manoella Cristyna Borges |
Primeiro Orientador: | Coelho, Clarimar José |
metadata.dc.contributor.referee1: | Carvalho, Rafael Viana de |
metadata.dc.contributor.referee2: | Nascimento, Douglas Vieira do |
Resumo: | O presente trabalho tem como propósito a aplicação de técnicas espectroscópicas em conjunto com métodos de pré-processamento para organizar os dados na classificação de amostras, especificamente, amostras de bananas. O objetivo é destacar a importância e eficácia das imagens hiperespectrais com o pré-processamento empregando o K-means para agrupar pixels com características similares, diferenciando amostras do fundo. Posteriormente, aplica-se o algoritmo perceptron multicamadas para classificar as espécies de bananas, como a banana maçã, banana nanica e banana prata, assegurando uma acurácia de classificação de 75%. Isso demonstra a capacidade do algoritmo em aprimorar seu aprendizado. Conclui-se que o conjunto de técnicas empregadas neste trabalho pode ser utilizado para classificar diversos tipos de amostras em qualquer área. |
Abstract: | The purpose of the present work is to apply spectroscopic techniques together with pre-processing methods to organize data in the classification of samples, specifically, banana samples. The objective is to highlight the importance and effectiveness of hyperspectral images with pre-processing using K-means to group pixels with similar characteristics, differentiating samples from the background. Subsequently, the multilayer perceptron algorithm is applied to classify banana species, such as apple banana, dwarf banana and silver banana, ensuring a classification accuracy of 75%. This demonstrates the algorithm's ability to improve its learning. It is concluded that the set of techniques used in this work can be used to classify different types of samples in any area. |
Palavras-chave: | Redes neurais perceptron multicamadas Redes neurais artificiais Imagens hiperespectrais Aprendizado de máquina Infravermelho de ondas curtas Espectroscopia |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA |
Idioma: | por |
País: | Brasil |
Editor: | Pontifícia Universidade Católica de Goiás |
Sigla da Instituição: | PUC Goiás |
metadata.dc.publisher.department: | Escola Politécnica |
Tipo de Acesso: | Acesso Aberto |
URI: | https://repositorio.pucgoias.edu.br/jspui/handle/123456789/7189 |
Data do documento: | 15-Dez-2023 |
Aparece nas coleções: | TCC Ciência da Computação |
Arquivos associados a este item:
Arquivo | Tamanho | Formato | |
---|---|---|---|
manoella cristyna-tcc2(1).pdf | 2,84 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