Identificação de plantas a partir da análise de suas folhas utilizando o algoritmo...

A identificação de plantas é um problema antigo de agrônomos, agricultores, biólogos e pesquisadores, além de diletantes e do público em geral. É um processo laborioso que é feito manualmente, requerendo grande quantidade de tempo e experiência. Dessa maneira, não é um processo eficiente, perdendo-se muito tempo, especialmente quando se deve fazer a identificação de um conjunto grande de amostras. O presente trabalho tem como objetivo desenvolver um método baseado em visão computacional para realizar automaticamente a classificação de plantas, a partir da análise da imagem da folha da planta que se deseja identificar. A escolha da análise das folhas para a identificação das plantas foi feita pela maior facilidade de manuseio e maior disponibilidade delas, em comparação com outros métodos mais convencionais (análise das flores ou frutos). As características das folhas são obtidas pelos descritores do algoritmo SIFT e pela análise dos momentos de cor. Em seguida, é feito o agrupamento dos descritores através do método k-means. A análise da frequência de ocorrência desses grupos nas imagens segue um modelo bag-of-words de representação, que serve de entrada para uma máquina de vetores de suporte (SVM). A máquina, treinada com uma base de dados, realiza a identificação da espécie da planta. Por fim, o uso do método desenvolvido permitiu a comparação do desempenho do descritor SIFT puro e do descritor SIFT junto com os momentos de cor, para agrupamentos com diferentes números de centroides: no primeiro caso, a maior acurácia foi de 77,71%, utilizando 500 centroides; no segundo, a maior acurácia foi de 80,21%, utilizando 300 centroides. A adição dos momentos de cor nos casos estudados proporcionou um aumento médio da acurácia de 1,75%, com desvio padrão de 4,25% em relação aos casos somente com o descritor SIFT.

Título em Inglês

Plant identification by applying the SIFT algorithm and color moment analysis to its leaves

Palavras-chave em Inglês

Computer vision
Plant identification
Leaf analysis
Color moments

Resumo em Inglês

Plant identification is a very old problem for agronomists, agriculturists, biologists and researchers, besides amateurs and the general public. It’s a manually done, laborious process, requiring a great amount of time and experience. In this way, it is not an efficient process, wasting a lot of time, especially when the identification of a large set of samples must be made. This work aims develop a computer vision-based method to automatically classify the plants, by analyzing the plant’s leaf. The choice of leaf analysis was made because of its greater ease of handling and greater availability, in comparison to other more conventional methods (flower or fruit analysis). The leaves’ features are computed by the descriptors of the SIFT (Scale-invariant Feature Transform) algorithm, and by the color moments analysis. Next, the clustering of descriptors is made by the k-means method. The analysis of the frequency of occurrence of these clusters follows a bag-of-words model of representation, which acts as input to a support vector machine (SVM). The machine, already trained with a database, makes the identification of the plant’s species. The testing of the developed method allowed a comparison between the performance of the pure SIFT descriptor and the SIFT with color moments descriptor: the first descriptor had its highest success rate at 77,71%, utilizing 500 clusters; the second had its highest success rate at 80,21%, using 300 clusters. The addition of the color moments in the studied cases increased the mean accuracy by 1,75%, with a standard deviation of 4,25%, in relation to the use of only the SIFT descriptor.

Arquivos

AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome(s) do(s) autor(es) do trabalho.

Viana_Daniel_Kenji_Matsumoto_TCC.pdf (8.31 Mbytes)

Data de Publicação

2018-01-18

Número de visitas

480

Número de downloads

465