Please use this identifier to cite or link to this item: http://hdl.handle.net/123456789/4268
Title: Classificação automática de patologias foliares na cultura do milho usando matriz de coocorrência e máquina de vetor de suporte
Other Titles: Automatic classification of leaf pathologies in corn culture using co-occurrence matrix and support vector machine
Authors: SILVA, Mayara Gomes
Keywords: Cultura do milho
Patologias foliares
Processamento de Imagens
Matriz de coocorrência
SVM
Corn crop
Leaf pathologies
Image processing
Co-occurrence matrix
SVM
Issue Date: 3-Jan-2020
Publisher: Universidade Federal do Maranhão
Abstract: A produção da cultura do milho no mundo vem crescendo ao longo dos anos, e no Brasil vem se tornando um dos alicerces da agricultura brasileira. Mesmo com esse aumento, o setor ainda enfrenta obstáculos, como o ataque de doenças nas plantações. Assim, ferramentas automáticas podem ser de grande importância para a detecção e classificação dessas doenças, porém essa ainda é uma área muito desafiadora devido a dificuldade de identificar as doenças. Com o objetivo de classificar doenças foliares no milho, este trabalho visa utilizar técnicas de Processamento de imagens e Aprendizado de Máquina para pré-processar e classificar as imagens. A metodologia está dividida em três etapas: (1) pré-processamento, (2) extração de características e (3) reconhecimento de padrões. Na extração de características foram utilizadas duas técnicas, a Matriz de coocorrência em nível de cinza e a Matriz de coocorrência em nível de cores. Os resultados obtidos revelaram que a Matriz de coocorrência em nível de cores se destacou junto com o espaço de cor YCbCr e o classificador SVM, obtendo uma precisão de 92% na classificação dos tipos de patologias foliares.
Description: Abstract The corn crop production has been growing over the years in the world. In Brazil, it has become one of the basis of agriculture. Although, the sector still faces some obstacles such as the attack of plant diseases. Thus, automated tools have great importance for the detection and classification of these diseases, but building creating is still very challenging due to the difficulty of identifying the diseases. Aiming to classify maize leaf diseases in images, this work uses Image Processing and Machine Learning techniques to preprocess and classify images. The methodology is divided into three stages: (1) preprocessing, (2) feature extraction and (3) pattern recognition. In feature extraction, Gray-level cooccurence matrix and Color-level cooccurence matrix were the two techniques used. The results showed that the CLCM stood out along with the YCrCb color space and the SVM classifier, obtaining an accuracy of 92 % in the classification of leaf pathology types.
URI: http://hdl.handle.net/123456789/4268
Appears in Collections:TCCs de Graduação em Ciência da Computação do Campus do Bacanga

Files in This Item:
File Description SizeFormat 
MAYARA-SILVA.pdfTrabalho de Conclusão de Curso2,39 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.