XXIV Congresso de Iniciação Científica
Classificação de grãos de cereais utilizando Redes Neurais Artificiais
Bruno Aguilar da Cunha – Faculdade de Tecnologia de Sorocaba, Antonio Cesar Germano Martins - Universidade Estadual Paulista “Júlio de Mesquita Filho” - Campus Experimental de Sorocaba – bruno.cunha2@fatec.sp.gov.br
Palavras Chave: redes neurais artificiais, texturas, cereais.
Introdução
O uso de visão computacional busca a identificação e o reconhecimento de objetos ou a classificação de uma cena. Existem situações em que se está interessado em analisar o conjunto de informações presentes em uma cena e mesmo que seja formada por elementos individualizados, a identificação e a classificação de cada elemento nem sempre é a abordagem mais viável, uma vez que os posicionamentos podem ser relativos e, portanto, acarretam dificuldades na interpretação. Nessas situações, o conceito de textura pode ser utilizado para analisar e classificar estas imagens. Para aplicações de visão computacional em tempo real, é importante que o processo de análise de textura a ser utilizado seja rápido e robusto. Uma solução que preenche estes requisitos é a utilização de Redes Neurais Artificiais (RNAs) que, uma vez treinadas com exemplos característicos, produz resultados de forma eficiente, levando a robustez requerida.
Material e Métodos
Os materiais utilizados foram: software DEV-C++, software REGIS, software editor de planilhas com suporte a elaboração de gráficos e imagens de grãos de cereais obtidas com uma câmera digital.
Neste trabalho utilizou – se a análise no domínio de frequência. Para isto, calculou-se os momentos obtidos por:
onde P(u,v) é a intensidade do espectro de potência na posição (u,v), Ri é um setor circular conforme apresentado na Figura 1, N é um fator de normalização e, no presente estudo, i varia de 1 a 16.
Figura1. Setores circulares utilizados na análise do espectro de potência. Os números apresentados representam os índices para cada setor.
Resultados e Discussão
Nos estudos realizados para a aplicação do método proposto na classificação de cereais, foram utilizadas as imagens da Figura 2, que contêm grãos de: feijão, soja e uma mistura de feijão com soja.
Figura 2. Imagens de grãos de cereais utilizadas no estudo da RNA.
Retirou – se de cada imagem de 512x512 pixels (Figura 2), seis imagens com 256 x 256 pixels, sendo duas utilizadas para o treinamento da RNA. A figura 3 mostra o resultado obtido, sendo possível a definição de valores de cortes que permitam a discriminação dos diferentes tipos de textura.
Figura 3. Resultado de uma RNA validada para o processo de caracterização de grãos de cereais, onde cada barra representa o valor de saída para uma dada imagem.
Conclusões
Através do trabalho desenvolvido foi possível verificar a aplicabilidade da utilização de Redes Neurais Artificiais no processo de classificação de grãos de cereais. Os resultados obtidos mostram que é possível treinar uma RNA para desempenhar tal tarefa, entretanto, é necessário ampliar o espectro de estudo para tornar mais confiável e geral os resultados obtidos.
____________________
HARALICK, R.M., SHANMUGAM, K. DINSTEIN, I. Textural features for image classification. IEEE Trans. Systems, Man and Cybernetics, SMC-3(6): 610-621, 1973.
HAYKIN, S. Redes Neurais: princípios e prática. Trad. Paulo Martins Engel. 2.ed. Porto Alegre: Bookman, 2001.
