Reconhecimento de variedades de soja por meio do processamento de imagens digitais usando redes neurais artificiais

Abstract

Neste trabalho, foi aplicado o processamento de imagens digitais auxiliado pelas Redes Neurais Artificiais (RNA) com a finalidade de identificar algumas variedades de soja por meio da forma e do tamanho das sementes. Foram analisadas as seguintes variedades: EMBRAPA 133, EMBRAPA 184, COODETEC 205, COODETEC 206, EMBRAPA 48, SYNGENTA 8350, FEPAGRO 10 e MONSOY 8000 RR, safra 2005/2006. O processamento das imagens foi constituído pelas seguintes etapas: 1) Aquisição da imagem: as amostras de cada variedade foram fotografadas por máquina fotográfica Coolpix995, Nikon, com resolução de 3.34 megapixels; 2) Pré-processamento: um filtro de anti-aliasing foi aplicado para obter tons acinzentados da imagem; 3) Segmentação: foi realizada a detecção das bordas das sementes (Método de Prewitt), dilatação dessas bordas e remoção de segmentos não-necessários para a análise. 4) Representação: cada semente foi representada na forma de matriz binária 130x130, e 5) Reconhecimento e interpretação: foi utilizada uma rede neural feedforward multicamadas, com três camadas ocultas. O treinamento da rede foi realizado pelo método backpropagation. A validação da RNA treinada mostrou que o processamento aplicado pode ser usado para a identificação das variedades consideradas.Digital image processing with Artificial Neural Network (ANN) was used to identify some soybean varieties through the form and size of the seeds. The following varieties were analyzed: EMBRAPA 133, EMBRAPA 184, COODETEC 205, COODETEC 206, EMBRAPA 48, SYNGENTA 8350, FEPAGRO 10 and MONSOY 8000 RR, 2005/2006 harvest. The image processing was constituted by the following stages: 1) Image acquisition: the samples of each variety were photographed by photographic camera Coolpix995, Nikon, with resolution of 3.34 megapixels; 2) Pre-processing: an anti-aliasing filter was applied to convert the true-color image to the grayscale intensity image; 3) Segmentation: it was made the seeds edges detection (Method of Prewitt), edge dilation and removal of needless segments; 4) Representation: each seed was represented in the form of a binary matrix 130x130, and 5) Recognition and interpretation: feedforward multiple-layer network was used with three hidden layers. The training of the network was accomplished by backpropagation. The validation of the trained ANN showed that applied processing can be used for identification of the considered soybean varieties.