Descrição
O grão-de-bico (Cicer arietinum) é uma leguminosa de destaque agronômico, amplamente cultivada e representada por diferentes cultivares no Brasil. A semelhança morfológica entre cultivares dificulta sua correta identificação, comprometendo a pureza varietal de sementes. Diante disso, objetivou-se avaliar modelos de classificação de cultivares de grão-de-bico por meio de visão computacional e aprendizado de máquina supervisionado, utilizando atributos morfométricos extraídos de imagens digitais de sementes. O experimento foi conduzido no Laboratório Central de Pesquisa em Sementes (LCPS) do Departamento de Agricultura (DAG/UFLA). Foram utilizadas nove cultivares de grão-de-bico provenientes da Embrapa Hortaliças, correspondentes a cinco cultivares de tipo ‘kabuli’, e quatro cultivares de tipo ‘desi’. As imagens (formato .png) das sementes de cada cultivar foram adquiridas utilizando um GroundEye S800® e a partir destas, 21 atributos de cor, forma e tamanho foram determinados. Para a classificação varietal foram utilizados os modelos de aprendizado supervisionado Support Vector Machine (SVM), Multilayer perceptron (MLP), Random Forest (RF) e k-Nearest Neighbors (k-NN). O desempenho dos modelos foi analisado por validação cruzada, considerando métricas de acurácia e o coeficiente de correlação de Matthews. Entre os modelos testados, SVM e RF apresentaram os melhores resultados, alcançando acurácia de 95,37% e 94,26%, respectivamente, além de elevada capacidade discriminatória (95,10% e 94,24%). Os resultados evidenciam que o uso de visão computacional associada a algoritmos de aprendizado supervisionado é promissora por permitir a classificação varietal de sementes de grão-de-bico, permitindo distinguir com alta precisão cultivares morfologicamente semelhantes.
| Selecione a modalidade do seu trabalho | Resumo Simples |
|---|
