SBICafé
Biblioteca do Café

Visão computacional aplicada a análise de frutos de C. Arabica

Show simple item record

dc.contributor.advisor Gonçalves, Flávia Maria Avelar
dc.contributor.author Botega, Gustavo Pucci
dc.date.accessioned 2024-02-26T23:49:23Z
dc.date.available 2024-02-26T23:49:23Z
dc.date.issued 2023-03-16
dc.identifier.citation BOTEGA, Gustavo Pucci. Visão computacional aplicada a análise de frutos de C. Arabica. 2023. 84p. Tese (Doutorado em Genética e Melhoramento de Plantas) - Universidade Federal de Lavras, Lavras, 2023. pt_BR
dc.identifier.uri http://www.sbicafe.ufv.br/handle/123456789/14185
dc.description Tese de Doutorado defendida na Universidade Federal de Lavras pt_BR
dc.description.abstract At coffee research centers, various traits are phenotyped by researchers. Some of these traits are directly determined by fruit phenotyping, such as ripening. Fruit ripening is an important trait to measure, because it allows for cultivars release with different ripening cycles, which is essential for farmers as it allows for the scaling of production and maximization of efficiency and profitability. However, measuring this trait in breeding programs presents several challenges. This study was divided into three chapters that present a comprehensive evaluation of coffee fruit and aspects associated with the selection and evaluation of ripening in Coffea arabica. In the first chapter, coffee fruits obtained from a phenotyping platform were thoroughly evaluated, by examining their morphological and color characteristics using computer vision. To achieve it, a classification model based on convolutional neural networks was created to classify the different stages of ripening. In the second chapter, images were synthesized from the generated image dataset to train a computer vision model based on the YOLO neural network architecture for direct classification and detection of coffee fruits in numerous scenarios and environments. In chapter 3, the objective was to establish the ideal sample size for ripening fruit evaluation and to verify the associated errors in adopting each sample size, as well as to demonstrate that the K-means clustering method can be an alternative to assist researchers in making decisions about the constituent genotypes of the breeding population. Detailed analysis was conducted on fruits from 21 cultivars, providing valuable information to researchers about their morphological and color characteristics. A total of 36.879 images of coffee fruits at different ripening stages were created. The use of the YOLO architecture allows for the direct evaluation of coffee fruits in different scenarios and environments, reducing and facilitating the process of phenotyping the trait. It was found that samples larger than 500 ml of fruits demonstrate an excellent sample size, and the use of the Kmeans technique to group data into different ripening cycles can be an excellent alternative for researchers, allowing for precise and efficient analysis. pt_BR
dc.description.abstract Nos centros de pesquisa de café, diversos caracteres são fenotipados pelos pesquisadores. Alguns deles são determinados diretamente pela fenotipagem dos frutos, como a maturação. A maturação dos frutos é um caráter importante de ser mensurado pois permite o lançamento de cultivares que apresentem diferentes ciclos de maturação, o que é fundamental para os produtores, uma vez que permite escalonar a produção e maximizar a eficiência e lucratividade. Contudo, nos programas de melhoramento a mensuração desse caráter possui diversas dificuldades. Este estudo foi dividido em três capítulos os quais apresentam uma avaliação ampla e profunda de frutos de café e de aspectos associados à seleção e avaliação da maturação em Coffea arabica. No capítulo um, frutos de café obtidos de uma plataforma de fenotipagem foram avaliados detalhadamente, examinando suas características morfológicas e de coloração com a utilização de visão computacional, para tanto foi necessário criar um modelo de classificação baseado em redes neurais convolucionais para classificação dos diferentes estágios de maturação. No capítulo dois, a partir do banco de imagens gerados, foi sintetizados imagens para o treinamento de um modelo de visão computacional baseado na arquitetura de redes neurais YOLO, para classificação e detecção de frutos de café em diversos cenários e ambientes. No capítulo três, o objetivo foi estabelecer o tamanho de amostra ideal na avaliação do caráter e verificar os erros associados em adotar cada tamanho, como também demonstrar que o método de agrupamento por meio de K-means pode ser uma alternativa para auxiliar os pesquisadores na tomada de decisão acerca dos genótipos constituintes da população de melhoramento. Analisou-se detalhadamente frutos de 21 cultivares, fornecendo valiosas informações para os pesquisadores sobre suas características morfológicas e de coloração, criou-se 36.879 imagens de frutos de café nos diferentes estágios de maturação. A utilização do modelo YOLO permite a avaliação de frutos de café em diferentes cenários e ambientes, reduzindo e facilitando o processo de fenotipagem do caráter. Verificou-se que amostras superiores a 500 ml de frutos demostra ser um excelente tamanho amostral e o uso do técnica de K-means para agrupar os dados nos diferentes ciclos de maturação pode ser uma excelente alternativa para os pesquisadores, permitindo uma análise e tomada de decisão precisa e eficiente. pt_BR
dc.format 84 folhas pt_BR
dc.language.iso en pt_BR
dc.publisher Universidade Federal de Lavras pt_BR
dc.subject Convolutional neural network pt_BR
dc.subject YOLO pt_BR
dc.subject Coffea pt_BR
dc.subject Breeding plants pt_BR
dc.subject phenotyping pt_BR
dc.subject Rede neurais convolucionais pt_BR
dc.subject YOLO pt_BR
dc.subject café pt_BR
dc.subject melhoramento genético pt_BR
dc.subject fenotipagem pt_BR
dc.subject.classification Cafeicultura::Genética e melhoramento pt_BR
dc.title Visão computacional aplicada a análise de frutos de C. Arabica pt_BR
dc.title.alternative Computer vision applied to the analysis of C. Arabica fruits pt_BR
dc.type Tese pt_BR

Files in this item

Files Size Format View Description
Tese Gustavo Pucci Botega 2023 UFLA.pdf 1.967Mb application/pdf View/Open ou Pre-visualizar Texto completo

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Sobre o SBICafé

Browse

My Account