Classificação automatizada de cores de batata-doce (Ipomoea batatas. L) por modelos combinados de aprendizado de máquina (2024)
- Authors:
- Autor USP: ZEIST, ANDRE RICARDO - ESALQ
- Unidade: ESALQ
- Subjects: APRENDIZADO COMPUTACIONAL; BATATA-DOCE; COR; REDES NEURAIS; VISÃO COMPUTACIONAL
- Language: Português
- Abstract: A classificação de características comerciais, como tamanho, sanidade, coloração e conformação é uma atividade frequente em programas de melhoramento genético e em instalações comerciais. No entanto, essa tarefa é suscetível a problemas de subjetividade na classificação, apresenta problemas associados à mão de obra e baixa escalabilidade. A aplicação de modelos de aprendizado de máquina, aliados a algoritmos de automação, possibilita a execução eficiente dessa tarefa em alta velocidade, utilizando técnicas de paralelização e boas práticas de gestão de recursos. Neste contexto, foram desenvolvidos dois modelos. O primeiro consiste em um modelo de detecção baseado no YOLOv8, utilizando originalmente 311 imagens obtidas a partir dos genótipos do programa de melhoramento genético de batata-doce do Núcleo de Estudo em Olericultura de Santa Catarina (NEOSC), colhidas ao longo do verão de 2023/24. As imagens possuem uma diversidade de fundos e iluminações, o que assegura uma aplicação mais realista do modelo treinado. As imagens foram divididas em conjuntos de treino (87%), validação (8%) e teste (4%), pré-processadas e submetidas a uma técnica de aumento de dados, resultando em um total de 745 imagens. O modelo alcançou resultados satisfatórios, com uma média de precisão de detecção (mAP) de 94,6%, precisão de 89,7% e acurácia de 92,6%, com um tempo médio de inferência de 30ms. Esses resultados sugerem a adequação do modelo para aplicações de visão computacional em tempo real, a partir de frames de vídeo.As máscaras de detecção geradas pelo primeiro modelo foram utilizadas para alimentar um segundo modelo de redes neurais convolucionais treinado especificamente para a classificação das cores da casca das batatas-doces em roxo, creme, branco e marrom. Das 1680 máscaras geradas pelo modelo anterior, um conjunto reduzido de 200 imagens foram selecionadas para o treinamento do segundo modelo, garantindo uma proporção equitativa entre as classes. Este segundo modelo alcançou 99,34% de precisão, perda de 2,07%, com um tempo médio de inferência de 83ms, indicando também sua aptidão para aplicações de visão computacional. Os resultados obtidos sugerem que a abordagem proposta é eficaz e suficientemente confiável para a tarefa de classificação de características morfológicas de batatas-doces, tanto para uso em programas de melhoramento genético quanto para a padronização e uniformização de produtos comerciais. A continuidade do desenvolvimento dessa tecnologia promissora é incentivada, com a perspectiva de adicionar novos modelos ao fluxo de trabalho para identificação de outros caracteres de interesse agronômico
- Imprenta:
- Publisher place: Piracicaba, SP
- Date published: 2024
- Source:
- Conference titles: Reunião Anual da Região Brasileira da Sociedade Internacional de Biometria - RBras
-
ABNT
MACHADO, Matheus Lopes et al. Classificação automatizada de cores de batata-doce (Ipomoea batatas. L) por modelos combinados de aprendizado de máquina. 2024, Anais.. Piracicaba, SP: Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo, 2024. . Acesso em: 29 dez. 2025. -
APA
Machado, M. L., Assoni, C. E. F., Silva, J. E. P. e, Bustamante, F. R. de M., Tonet, K. S., Zeist, A. R., & Olivoto, T. (2024). Classificação automatizada de cores de batata-doce (Ipomoea batatas. L) por modelos combinados de aprendizado de máquina. In Ciência de Dados, estatística e pós-graduação: oportunidades e desafios. Piracicaba, SP: Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo. -
NLM
Machado ML, Assoni CEF, Silva JEP e, Bustamante FR de M, Tonet KS, Zeist AR, Olivoto T. Classificação automatizada de cores de batata-doce (Ipomoea batatas. L) por modelos combinados de aprendizado de máquina. Ciência de Dados, estatística e pós-graduação: oportunidades e desafios. 2024 ;[citado 2025 dez. 29 ] -
Vancouver
Machado ML, Assoni CEF, Silva JEP e, Bustamante FR de M, Tonet KS, Zeist AR, Olivoto T. Classificação automatizada de cores de batata-doce (Ipomoea batatas. L) por modelos combinados de aprendizado de máquina. Ciência de Dados, estatística e pós-graduação: oportunidades e desafios. 2024 ;[citado 2025 dez. 29 ] - Growth of the Broad bean (Vicia faba) under the edaphoclimatic conditions of Florianópolis, Santa Catarina, Brazil
- Selection for drought tolerance in backcross populations derived from interspecific crosses of Solanum lycopersicum x Solanum pennellii
- Chlorophyll a fluorescence of tomato genotypes in response to Tuta absoluta herbivory and foliar salicylic acid application
- Selection of superior sweet potato genotypes in the autumn-winter of Great Florianopolis
- Selection of sweet potato (Ipomoea batatas Lam.) genotypes with ornamental and dual-purpose potential
- Sweet potato leaf trichome density affects the biology and host selection behavior of Myzus persicae (Sulzer 1776) (Hemiptera: Aphididae)
- True colors shining through: how low tunnel cover colors affect fruit yield and photosynthesis in strawberry cultivars
- Estimation of genetic parameters and use of selection indices in the identification of superior sweet potato genotypes
- Multi-trait selection for mean performance and stability in purple-fleshed sweet potato
- Toward drought tolerance in tomato: selection of F2BC1 plants obtained from crosses between wild and commercial genotypes
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
