|
|
Registro Completo |
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
11/01/2022 |
Data da última atualização: |
11/01/2022 |
Tipo da produção científica: |
Resumo em Anais de Congresso |
Autoria: |
SANTOS, E. F. dos; LOPES, L. B.; VENDRUSCULO, L. G. |
Afiliação: |
ELTON FERNANDES DOS SANTOS, UFMT, Sinop-MT; LUCIANO BASTOS LOPES, CPAMT; LAURIMAR GONCALVES VENDRUSCULO, CNPTIA. |
Título: |
Segmentação de alvos de interesse em semicarcaças bovinas utilizando classificadores computacionais. |
Ano de publicação: |
2021 |
Fonte/Imprenta: |
In: ENCONTRO DE CIÊNCIA E TECNOLOGIAS AGROSSUSTENTÁVEIS, 5.; JORNADA CIENTÍFICA DA EMBRAPA AGROSSILVIPASTORIL, 10., 2021, Sinop. Resumos... Brasília, DF: Embrapa, 2021. p. 58. |
ISBN: |
978-65-87380-70-4 |
Idioma: |
Português |
Conteúdo: |
O conhecimento da composição corporal em carcaças contribui para a avaliação do desempenho animal e tem forte impacto na rentabilidade do produtor. O objetivo deste trabalho foi avaliar dois métodos computacionais para a segmentação de imagens RGB de semicarcaças bovinas visando identificar quais pixels representam os alvos de interesse. São eles: gordura, carne ou tecido conjuntivo. Para tal objetivo, foram comparados dois classificadores: uma máquina de vetor de suporte (SVM) e uma rede neural (RNA). Foram utilizadas 618 imagens de semicarcaças, coletadas no primeiro semestre de 2021 em um frigorífico localizado em Sinop, MT. Ambos os modelos utilizaram uma janela deslizante na imagem. Visando confrontar os resultados do modelo SVM de RNA usados para a segmentação dos alvos, foram calculadas os seguintes parâmetros de acurácia: precisão, recuperação e F-1 score. A precisão e recuperação são importantes para avaliar modelos de classificação pois fornece uma métrica individual por classe. A precisão é a capacidade do modelo de não classificar como positiva uma amostra negativa, já a recuperação é a capacidade do modelo em encontrar todas as amostras positivas. O F-1 score é uma média harmônica ponderada entre a precisão e a recuperação. Os resultados mostraram que a precisão nos modelos SVM e RNA para o alvo carne alcançaram um valor ótimo de 1, ou seja, o modelo classificou corretamente todos os pixeis em suas verdadeiras classes de alvos. A recuperação obteve um valor melhor no RNA (0,98) para a carne em relação ao RNA (0,80). Para o F1-score todos os valores referentes aos dois classificadores alcançaram valores satisfatórios superiores a 0,9 referente aos alvos gordura, carne e tecido. Ou seja, o nível de classificação incorreta do pixel foi baixa. Os modelos SVM e RNA apresentaram nível de concordância ótimo, próximo a 1. De uma forma geral os dois métodos apresentaram segmentação dos três alvos de interesse de forma satisfatória. Planeja-se comparar os valores obtidos com validações de especialistas. MenosO conhecimento da composição corporal em carcaças contribui para a avaliação do desempenho animal e tem forte impacto na rentabilidade do produtor. O objetivo deste trabalho foi avaliar dois métodos computacionais para a segmentação de imagens RGB de semicarcaças bovinas visando identificar quais pixels representam os alvos de interesse. São eles: gordura, carne ou tecido conjuntivo. Para tal objetivo, foram comparados dois classificadores: uma máquina de vetor de suporte (SVM) e uma rede neural (RNA). Foram utilizadas 618 imagens de semicarcaças, coletadas no primeiro semestre de 2021 em um frigorífico localizado em Sinop, MT. Ambos os modelos utilizaram uma janela deslizante na imagem. Visando confrontar os resultados do modelo SVM de RNA usados para a segmentação dos alvos, foram calculadas os seguintes parâmetros de acurácia: precisão, recuperação e F-1 score. A precisão e recuperação são importantes para avaliar modelos de classificação pois fornece uma métrica individual por classe. A precisão é a capacidade do modelo de não classificar como positiva uma amostra negativa, já a recuperação é a capacidade do modelo em encontrar todas as amostras positivas. O F-1 score é uma média harmônica ponderada entre a precisão e a recuperação. Os resultados mostraram que a precisão nos modelos SVM e RNA para o alvo carne alcançaram um valor ótimo de 1, ou seja, o modelo classificou corretamente todos os pixeis em suas verdadeiras classes de alvos. A recuperação obteve um valor melh... Mostrar Tudo |
Palavras-Chave: |
Classificador computacional; Máquina de vetor de suporte; Processamento de dados; Rede neural; Semicarcaça; Sinop-MT; SVM. |
Thesagro: |
Bovinocultura; Carcaça; RNA. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
Marc: |
LEADER 03025nam a2200265 a 4500 001 2138987 005 2022-01-11 008 2021 bl uuuu u01u1 u #d 020 $a978-65-87380-70-4 100 1 $aSANTOS, E. F. dos 245 $aSegmentação de alvos de interesse em semicarcaças bovinas utilizando classificadores computacionais.$h[electronic resource] 260 $aIn: ENCONTRO DE CIÊNCIA E TECNOLOGIAS AGROSSUSTENTÁVEIS, 5.; JORNADA CIENTÍFICA DA EMBRAPA AGROSSILVIPASTORIL, 10., 2021, Sinop. Resumos... Brasília, DF: Embrapa, 2021. p. 58.$c2021 520 $aO conhecimento da composição corporal em carcaças contribui para a avaliação do desempenho animal e tem forte impacto na rentabilidade do produtor. O objetivo deste trabalho foi avaliar dois métodos computacionais para a segmentação de imagens RGB de semicarcaças bovinas visando identificar quais pixels representam os alvos de interesse. São eles: gordura, carne ou tecido conjuntivo. Para tal objetivo, foram comparados dois classificadores: uma máquina de vetor de suporte (SVM) e uma rede neural (RNA). Foram utilizadas 618 imagens de semicarcaças, coletadas no primeiro semestre de 2021 em um frigorífico localizado em Sinop, MT. Ambos os modelos utilizaram uma janela deslizante na imagem. Visando confrontar os resultados do modelo SVM de RNA usados para a segmentação dos alvos, foram calculadas os seguintes parâmetros de acurácia: precisão, recuperação e F-1 score. A precisão e recuperação são importantes para avaliar modelos de classificação pois fornece uma métrica individual por classe. A precisão é a capacidade do modelo de não classificar como positiva uma amostra negativa, já a recuperação é a capacidade do modelo em encontrar todas as amostras positivas. O F-1 score é uma média harmônica ponderada entre a precisão e a recuperação. Os resultados mostraram que a precisão nos modelos SVM e RNA para o alvo carne alcançaram um valor ótimo de 1, ou seja, o modelo classificou corretamente todos os pixeis em suas verdadeiras classes de alvos. A recuperação obteve um valor melhor no RNA (0,98) para a carne em relação ao RNA (0,80). Para o F1-score todos os valores referentes aos dois classificadores alcançaram valores satisfatórios superiores a 0,9 referente aos alvos gordura, carne e tecido. Ou seja, o nível de classificação incorreta do pixel foi baixa. Os modelos SVM e RNA apresentaram nível de concordância ótimo, próximo a 1. De uma forma geral os dois métodos apresentaram segmentação dos três alvos de interesse de forma satisfatória. Planeja-se comparar os valores obtidos com validações de especialistas. 650 $aBovinocultura 650 $aCarcaça 650 $aRNA 653 $aClassificador computacional 653 $aMáquina de vetor de suporte 653 $aProcessamento de dados 653 $aRede neural 653 $aSemicarcaça 653 $aSinop-MT 653 $aSVM 700 1 $aLOPES, L. B. 700 1 $aVENDRUSCULO, L. G.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registros recuperados : 11 | |
2. | | CONCEIÇÃO, L. T.; SILVA, G. N.; HOLSBACK, H. M.; OLIVEIRA, C. de F.; MARCANTE, N. C.; MARTINS, E. de S.; SANTOS, F. L. de S.; SANTOS, E. F. Potential of basalt dust to improve soil fertility and crop nutrition. Journal of Agriculture and Food Research, v. 10, 2022. 8 p.Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 3 |
Biblioteca(s): Embrapa Cerrados. |
| |
3. | | NOGUEIRA, T. A. R.; MIRANDA, B. G.; JALAL, A.; LESSA, L. G. F.; TEIXEIRA FILHO, M. C. M.; MARCANTE, N. C.; ABREU-JUNIOR, C. H.; JANI, A. D.; CAPRA, G. F.; MOREIRA, A.; MARTINS, E. de S. Nepheline Syenite and Phonolite as Alternative Potassium Sources for Maize. Agronomy, v. 11, n. 7, 1385, 2021. 19 p.Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
Biblioteca(s): Embrapa Cerrados; Embrapa Soja. |
| |
5. | | SANTOS, E. F. dos; ARAÚJO, E. de O.; CAMACHO, M. A.; CÂMARA, A. P.; MARCANTE, N. C. Eficiência de absorção, translocação e utilização de nitrogenio por genótipos de Gossypium barbadense cultivado sob diferentes doses de fosforo. In: CONGRESSO BRASILEIRO DO ALGODÃO, 8.; COTTON EXPO, 1., 2011, São Paulo. Evolução da cadeia para construção de um setor forte: Anais. Campina Grande, PB: Embrapa Algodão, 2011. p. 1574-1579Biblioteca(s): Embrapa Algodão. |
| |
6. | | SANTOS, E. F. dos; ARAÚJO, E. de O.; CAMACHO, M. A.; CÂMARA, A. P.; MARCANTE, N. C. Teor e conteúdo de nitrogênio em genótipos de Gossypium barbadense em função do fósforo na solução nutritiva. In: CONGRESSO BRASILEIRO DO ALGODÃO, 8.; COTTON EXPO, 1., 2011, São Paulo. Evolução da cadeia para construção de um setor forte: Anais. Campina Grande, PB: Embrapa Algodão, 2011. p.1702-1708Biblioteca(s): Embrapa Algodão. |
| |
8. | | SILVA, A.; BRUNO, I.; MARCANTE, N.; FRANZINI, V.; BENITIZ, L.; MURAOKA, T. Effect of phosphorus uptake efficiency on micronutrients content in grains of wheat and soybean cultivars. In: WORLD CONGRESS OF SOIL SCIENCE, 20., 2014, Jeju, Korea. Soils embrace life and universe. Jeju: International Union of Soil Sciences, 2014.Tipo: Resumo em Anais de Congresso |
Biblioteca(s): Embrapa Amazônia Oriental. |
| |
9. | | SILVA, A. da; BRUNO, I. P.; FRANZINI, V. I.; MARCANTE, N. C.; BENITIZ, L.; MURAOKA, T. Phosphorus uptake efficiency, root morphology and architecture in Brazilian wheat cultivars. Journal of Radioanalytical and Nuclear Chemistry, v. 307, n. 2, p. 1055-1063, Feb. 2016.Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
Biblioteca(s): Embrapa Amazônia Oriental. |
| |
11. | | SILVA, A. da; MARCANTE, N. C.; FRANZINE, V. I.; BRUNO, I. P.; LEITE, V. H. G.; MURAOKA, T. Zinc and phosphorus interaction in phosphorus-efficient and inefficient wheat cultivars. In: INTERNATIONAL ZINC SYMPOSIUM, 4., 2015, São Paulo. Improving crop production and human health: catalogue of abstracts. [S.l.]: International Fertilizer Industry Association: Harvest Plus: International Zinc Association, 2015. p. 88-89.Tipo: Artigo em Anais de Congresso |
Biblioteca(s): Embrapa Amazônia Oriental. |
| |
Registros recuperados : 11 | |
|
Expressão de busca inválida. Verifique!!! |
|
|