RECONHECIMENTO DE IMAGENS DE DOENÇAS DA MAÇÃ COM REDES NEURAIS ARTIFICIAIS

GEFFERSON MACHADO RIBEIRO

Resumo


Um sistema de reconhecimento de imagem com uma rede neural artificial é
dependente da imagem a ser analisada. Além disso, as informações a serem passadas
para a rede devem ser preparadas de modo que esta seja compreensível pela mesma.
Isto significa que uma imagem digitalizada não está previamente pronta para ser
analisada pela rede neural. Portanto, para que a rede neural seja treinada para o
reconhecimento de um padrão é preciso que a imagem seja traduzida para a mesma.
Após a digitalização de uma imagem, esta deve ser armazenada de um modo que na
sua recuperação, seja possível interpretá-la. São vários os padrões de imagens
existentes no mercado com as mais diversas finalidades. Neste trabalho em particular,
o padrão de imagem a ser utilizado será o padrão bitmap, por ser versátil quanto à
imagem a ser armazenada. O padrão bitmap possui várias informações a respeito da
imagem, como seu tamanho, seu número de cores, resoluções, entre outras
informações. A imagem a ser analisada neste trabalho será uma maçã com um
determinado tipo de doença. A doença é a podridão amarga, que é uma das principais,
além de que esta é uma doença que ocorre na casca da maçã. Este tipo de doença
caracteriza-se pelo apodrecimento da maçã. Quanto à técnica de reconhecimento de
imagem a ser utilizada para determinar se a maçã está ou não com a doença podridão
amarga, será feita através da utilização de uma técnica de inteligência artificial
conhecida como rede neural artificial. O sistema de reconhecimento de imagens com
redes neurais artificiais consiste em treinar a rede para um determinado padrão de
imagem. Para tal é preciso determinar o padrão a ser reconhecido, de modo que a rede
venha a ser treinada. O treinamento da rede neural artificial consiste em elaborar um
algoritmo de treinamento para o ajuste sináptico relacionado ao aprendizado. O
algoritmo de treinamento depende da arquitetura da rede neural a ser implementada. A
regra de aprendizado procura determinar um conjunto de pesos tais que a rede seja
capaz de reconhecer os padrões de imagens para a qual foi treinada. A partir do
momento em que a rede está treinada, esta pode ser testada para verificar qual o grau
de acerto da mesma. A fase de testes envolve o reconhecimento dos padrões treinados
mais os padrões similares ao treinamento. No caso do trabalho consistem em verificar
se a rede neural artificial foi capaz de identificar se a maçã está ou não com a doença
podridão amarga.

Palavras-chave


Inteligência Artificial; Redes Neurais Artificiais, Processamento de Imagens Digitais, Reconhecimento de Padrões

Texto completo:

Sem título