Associação entre características físicas da semente de soja com a qualidade da semente usando a análise da imagem e técnicas de aprendizado de máquina

Página do item simplificado Estatísticas
dc.contributor.advisorOliveira, Laura Emmanuella Alves Dos Santos Santana De
dc.contributor.advisor-co1Perreira, Márcio Diaspr_BR
dc.contributor.authorSilva, Iaslan do Nascimento Paulo da
dc.contributor.referees1Vale, Alessandra Mendes Pacheco Guerra
dc.contributor.referees2Alencar, Emerson Moura, de
dc.date.accessioned2017-12-07T19:45:42Z
dc.date.accessioned2021-09-22T14:24:35Z
dc.date.available2017-12-07T19:45:42Z
dc.date.available2021-09-22T14:24:35Z
dc.date.issued2017-11-26
dc.description.resumoA soja (Glycine max) é uma das mais importantes culturas na economia mundial, porém o sucesso da lavoura de soja depende de diversos fatores, sendo o mais importante deles a utilização de sementes de elevada qualidade, capazes de gerar plantas de alto vigor. A avaliação da qualidade de sementes é feita por testes de germinação e de vigor que ajudam na identificação de lotes com melhor desempenho. Um dos desafios encontrados pelos produtores de soja é que essas análises para avaliação da qualidade da semente são destrutivas e demandam tempo, que é considerado longo e caro na cadeia que envolve a produção e comercialização das sementes. Uma das formas de se aprimorar e tornar rápido o processo de avaliação, é através da análise de imagens por computador. Alguns trabalhos têm sido desenvolvidos nesse sentido, utilizando a análise de imagens digitais para classificação da morfologia de sementes e avaliação fisiológica. O presente trabalho propõe a utilização de técnicas de aprendizado de máquina para predizer a germinação das sementes de soja a partir de características físicas da semente obtidas por meio da análise digital de imagens, bem como, identificar atributos físicos relevantes para a avaliação da qualidade da semente a partir da análise de correlação desses atributos com características fisiológicas que indicam a qualidade da semente de soja. Busca-se com isso maior agilidade e confiabilidade no processo de avaliação da qualidade de sementes de soja, além de caracterizar um processo de avaliação da semente não destrutivo. Os resultados iniciais indicam a necessidade de aumentar a quantidade de descritores de imagem para aumentar a acurácia do sistema de predição.pr_BR
dc.identifier2014091922pr_BR
dc.identifier.citationSILVA, Iaslan do Nascimento Paulo da. Associação entre características físicas da semente de soja com a qualidade da semente usando a análise da imagem e técnicas de aprendizado de máquina. 2017. 62 f. TCC (Graduação) - Curso Tecnólogo em Análise e Desenvolvimento de Sistemas, Unidade Acadêmica Especializada em Ciências Agrárias, Universidade Federal do Rio Grande do Norte, Macaíba, 2017.pr_BR
dc.identifier.urihttps://repositorio.ufrn.br/handle/123456789/37898
dc.languagept_BRpr_BR
dc.publisherUniversidade Federal do Rio Grande do Nortepr_BR
dc.publisher.countryBrasilpr_BR
dc.publisher.departmentTecnólogo em Análise e Desenvolvimento de Sistemaspr_BR
dc.publisher.initialsUFRNpr_BR
dc.rightsopenAccesspr_BR
dc.subjectSojapr_BR
dc.subjectSoypr_BR
dc.subjectAvaliação da qualidade de sementespr_BR
dc.subjectSeed quality assessmentpr_BR
dc.subjectAnálise de imagens digitaispr_BR
dc.subjectDigital imaging analysispr_BR
dc.subjectAprendizado de máquinapr_BR
dc.subjectMachine learningpr_BR
dc.titleAssociação entre características físicas da semente de soja com a qualidade da semente usando a análise da imagem e técnicas de aprendizado de máquinapr_BR
dc.typebachelorThesispr_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
AssociacaoCaracterísticasFísicas_Silva_2017.pdf
Tamanho:
2.54 MB
Formato:
Adobe Portable Document Format
Descrição:
Monografia
Nenhuma Miniatura disponível
Baixar

Licença do Pacote

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
756 B
Formato:
Plain Text
Nenhuma Miniatura disponível
Baixar

Coleções

EAJ - TCC - Análise e desenvolvimento de sistemas
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM