Please use this identifier to cite or link to this item: http://hdl.handle.net/123456789/4268
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSILVA, Mayara Gomes-
dc.date.accessioned2020-02-06T12:16:36Z-
dc.date.available2020-02-06T12:16:36Z-
dc.date.issued2020-01-03-
dc.identifier.urihttp://hdl.handle.net/123456789/4268-
dc.descriptionAbstract 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.pt_BR
dc.description.abstractA 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.pt_BR
dc.language.isootherpt_BR
dc.publisherUniversidade Federal do Maranhãopt_BR
dc.subjectCultura do milhopt_BR
dc.subjectPatologias foliarespt_BR
dc.subjectProcessamento de Imagenspt_BR
dc.subjectMatriz de coocorrênciapt_BR
dc.subjectSVMpt_BR
dc.subjectCorn croppt_BR
dc.subjectLeaf pathologiespt_BR
dc.subjectImage processingpt_BR
dc.subjectCo-occurrence matrixpt_BR
dc.subjectSVMpt_BR
dc.titleClassificação automática de patologias foliares na cultura do milho usando matriz de coocorrência e máquina de vetor de suportept_BR
dc.title.alternativeAutomatic classification of leaf pathologies in corn culture using co-occurrence matrix and support vector machinept_BR
dc.typeOtherpt_BR
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.