Classificação de Espécies de Pimentas Empregando Análise de Imagens Digitais de Componentes Principais

Autores

  • Paulo Renato Baliza Silva Pontifícia Universidade Católica de Goiás
  • Arlindo Rodrigues Galvão Filho Pontifícia Universidade Católica de Goiás
  • Heber Valdo Nogueira Universidade Federal de Goiás
  • Igor Savioli Flores Instituto Federal de Goiás - Luziânia
  • Clarimar José Coelho Pontifícia Universidade Católica de Goiás

DOI:

https://doi.org/10.18224/arithmos.v1i1.6856

Palavras-chave:

Análise de imagem, Reconhecimento de padrões, Análise de componentes principais.

Resumo

O objetivo do trabalho é a classificação automática de imagens de pimentas por espécie. A classificação é feita empregando a análise de componentes principais (Principal Component Analysis, PCA) a partir de um conjunto de dados de 345 imagens de pimentas no padrão vermelho, verde e azul (Red, Green, Blue, RGB) obtidas com a câmera JAI AD-080GE. Os resultados obtidos mostram uma acurácia de 72,97% do modelo proposto para classificação das pimentas.

Biografia do Autor

Paulo Renato Baliza Silva, Pontifícia Universidade Católica de Goiás

Escola de Ciências Exatas e da Computação Grupo de Pesquisa em Computação Científica Pontifícia Universidade Católica de Goiás

Arlindo Rodrigues Galvão Filho, Pontifícia Universidade Católica de Goiás

Escola de Ciências Exatas e da Computação Grupo de Pesquisa em Computação Científica Pontifícia Universidade Católica de Goiás

Heber Valdo Nogueira, Universidade Federal de Goiás

Instituto de Informática Universidade Federal de Goiás

Igor Savioli Flores, Instituto Federal de Goiás - Luziânia

Instituto Federal de Goiás - Luziânia

Clarimar José Coelho, Pontifícia Universidade Católica de Goiás

Escola de Ciências Exatas e da Computação Grupo de Pesquisa em Computação Científica Pontifícia Universidade Católica de Goiás

Referências

Jain, A. K.: Fundamentals of Digital Image Processing. Prentice Hall, 1989.

Blackledge, J. M.: Digital Image Processing: Mathematical and Computational Methods. Woodhead Publishing, 2005.

Shih, Y, F.: Image Processing and Mathematical Morphology: Fundamentals and Applications. CRC, 2011.

Pavlidis, T.: Image analysis. Ann. Rev. Comput.Sci. n. 3; p. 121-46, 1988.

Duda, R. O.; Hart, P. E.; Stork, D. G. : Pattern Classification, Willey, 2001.

Vibhute, A.; Bodhe, S. K.: Applications of Image Processing in Agriculture: A Survey. International Journal of Computer Applications. v. 52; n. 2; p. 0975 – 8887, 2012.

Castillo, R.; Contreras, D.; Freeer, J.; Ruiz, J.; Valenzuela, S.: Supervised pattern recognition techniques for classification of eucalyptus species from leaves nir spectra, J. Chil. Chem. Soc., v. 53, n. 4, p. 1709-1713, 2008.

Dubey, S. R.; Jalal, A. S.: Application of image processing in fruit and vegetable Analysis: a review, Journal of Intelligent Systems, v. 24, n. 4, p. 405-424, 2015.

Bajawa, I. S.; Naweed, M. S.; Asif, M. N., Hyder, S. I.: Feature Based Image Classification by using Principal Component Analysis, ICGST-GVIP Journal, ISSN 1687-398X, v. 9, p.11-17, 2009.

Gonzales, R., Woods, R.: Digital Image Processing, Pearson Prentice Hall, 2007.

Hotelling, H.: Analysis of a complex of statistical variables into principal component. The Journal of Educational Psychology, v. 24, p. 417-441, 1933.

Abdi, H.; Williams, L. J.: Principal component analysis. Wiley interdisciplinary reviews: computational statistics, v. 2, n. 4, p. 433-459, 2010.

Shlens, J.: A tutorial on principal component analysis. arXiv preprint arXiv:1404.1100, 2014.

Downloads

Publicado

2019-06-26

Edição

Seção

Artigos / Articles