Técnicas de aprendizado ativo para avaliação do vigor de sementes de soja

• Ano de defesa: 2018
• Autor(a) principal: Pereira, Douglas Felipe
• Orientador(a): Saito, Priscila Tiemi Maeda
• Banca de defesa: Lopes, Fabrício Martins , Saito, Priscila Tiemi Maeda , Henning, Fernando Augusto , Benitez, César Manuel Vargas
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Cornelio Procopio
• Programa de Pós-Graduação: Programa de Pós-Graduação em Bioinformática
• País: Brasil
• Palavras-chave em Português: Aprendizagem ativa; Processamento de imagens; Classificação; Active learning; Image processing; Classification
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/5184

Empresas multiplicadoras de sementes cada vez mais buscam a excelência da qualidade da produção, por meio de rigorosos processos, tais como o teste de tetrazólio e a definição de vigor. No entanto, tratam-se de processos extremamente laboriosos, visto que é necessária a experiência de um especialista, bem como de análise visual de uma quantidade considerável de sementes como amostragem para a determinação do vigor de um lote. Além disso, apesar do teste de tetrazólio apresentar um protocolo definido, essa análise pode variar de analista para analista por tratar-se de um processo humano, subjetivo. Nesse contexto, diversos esforços evidenciam a relevância do tema e têm sido realizados na tentativa de automatizar o processo de análise, de forma a diminuir os problemas intrínsecos ao mesmo. Sendo assim, este trabalho apresenta metodologias para o processamento das sementes de soja oriundas do teste de tetrazólio, bem como para aprendizado e classificação do respectivo vigor. Além disso, uma nova abordagem de aprendizado ativo ´e proposta para selecionar as amostras mais informativas ao aprendizado. Para a validação das propostas é realizada uma avaliação experimental extensiva, utilizando diferentes conjuntos de sementes e técnicas do estado da arte para a descrição e aprendizado. A partir dos resultados obtidos, é possível observar que a abordagem proposta possibilita a obtenção de classificadores mais robustos, os quais atingem acurácias elevadas mais rapidamente (em menos iterações de aprendizado) em relação às abordagens de aprendizado supervisionado tradicionais. Portanto, espera-se minimizar o esforço e o tempo de envolvimento do especialista em sua rotina laboratorial, automatizando o processo de análise visual e anotação. O processo mais rápido e preciso possibilita o aumento da competitividade de mercado entre os produtores e o beneficiamento dos consumidores com produtos de maior qualidade e preços mais adequados e específicos, de acordo com a qualidade do lote analisado. Perdas de produtividade nos processos de plantio, multiplicação e/ou comercialização de sementes de baixa qualidade também podem ser evitadas.