Biblioteca do Café
URI permanente desta comunidadehttps://thoth.dti.ufv.br/handle/123456789/1
Navegar
4 resultados
Resultados da Pesquisa
Item Sistema computacional para integração de dados na análise de cafés especiais(Universidade Federal de Lavras, 2016-03-04) Leme, Dimas Samid; Barbosa, Bruno HenriqueA tonalidade na cor do café torrado varia em decorrência do objetivo de produção, todavia existe um padrão internacional para o grau de torra utilizado em análises sensoriais, e este é mensurado por meio de um equipamento de alto custo que, em alguns modelos, não permite armazenamento de seus resultados em um sistema de integração de dados. Os sistemas de Visão Computacional surgem como alternativas para uma rápida análise, armazenamento e integração com outros dados acerca do café, objetiva-se com este trabalho a construção de um sistema de visão computacional para identificação das diferentes tonalidades nos grãos de café torrados e moídos. Para isso, foi realizada uma conversão do padrão de cores RGB de câmeras digitais para parâmetros em L* a* e b* de cada pixel da imagem digital, obtendo assim uma média de todos os pixels da amostra. Para a criação do sistema de visão foram utilizados: uma estrutura metálica fechada, sistema de iluminação padronizados por LED’s, uma câmera digital acoplada em sua parte superior e software processador das imagens implementado com modelos de regressão polinomiais e redes neurais artificiais para aproximação de uma função que represente o grau de torra das amostras fotografadas. Para construção do modelo de transformação de espaços de cores, foi utilizado um banco de dados de cartelas de cores e 150 amostras de café torrados em diferentes tonalidades para treinamento de uma rede neural artificial. Por meio dos resultados obtidos, verificou-se que o modelo possui boa acurácia com uma baixa divergência. Ademais, foram desenvolvidas aplicações Android/iOS para cadastro de dados da saca, dados de análise física e análise sensorial definidos pela Associação Americana de Cafés Especiais (SCAA). Estas aplicações também permitem coletas de temperatura das amostras e envio a uma plataforma integrada com um baixo custo de implantação, se comparada a outras ferramentas disponíveis.Item Modelos de predição da ferrugem do cafeeiro (Hemileia vastatrix Berkeley & Broome) por técnicas de mineração de dados(Editora UFLA, 2014-07) Girolamo Neto, Cesare Di; Rodrigues, Luiz Henrique Antunes; Meira, Carlos Alberto AlvesA ferrugem é a principal doença do cafeeiro, podendo gerar perdas significativas na produção, caso medidas de controle não sejam adotadas. Modelos de alerta de doenças agrícolas são capazes de gerar informações para aplicações de defensivos somente quando necessário, reduzindo gastos por parte do produtor e impactos ambientais. Objetivou-se, neste trabalho, desenvolver, comparar e selecionar modelos de alerta baseados em técnicas de mineração de dados para a predição da ferrugem do cafeeiro, em anos de alta e baixa carga pendente de frutos. Foram utilizados dados obtidos em lavouras de café em produção, ao longo de 13 anos (1998-2011). Vinte e três atributos foram considerados como variáveis independentes (preditoras) e, como variável dependente, a taxa de progresso mensal da ferrugem do cafeeiro, obtida a partir de dados de incidência da doença. Os atributos mais importantes do conjunto de dados foram filtrados por métodos de seleção de atributos e a modelagem foi realizada por meio de quatro técnicas de mineração de dados: máquinas de vetores suporte, redes neurais artificiais, árvores de decisão e florestas aleatórias. Para anos de alta e baixa carga pendente de frutos, as melhores taxas de acerto foram 85,3% e 88,9%, respectivamente. Outras medidas de desempenho como sensitividade e especificidade também apresentaram valores altos e equilibrados. Os modelos desenvolvidos neste trabalho fornecem melhores subsídios para o monitoramento da doença, em anos de alta carga pendente de frutos do que outros modelos existentes, além de prover uma possibilidade de monitoramento, em anos de baixa carga pendente de frutos.Item Aplicação de redes neurais artificiais na classificação de áreas cafeeiras em Machado-MG(Editora UFLA, 2013-01) Andrade, Lívia Naiara de; Vieira, Tatiana Grossi Chquiloff; Lacerda, Wilian Soares; Volpato, Margarete Marin Lordelo; Davis Junior, Clodoveu AugustoA cafeicultura é atividade de fundamental importância na região sul de Minas Gerais e técnicas de estimativa da área plantada, visando previsões de safra confiáveis, estão sendo intensamente pesquisadas. Apresenta-se,no presente estudo, uma aplicação de Redes Neurais Artificiais (RNA) para a classificação automática de dados de sensoriamento remoto, objetivando identificar áreas cafeeiras da região de Machado, MG. A metodologia para desenvolvimento da aplicação da RNA foi dividida em três etapas: pré-processamento dos dados; treinamento e uso da RNA; e análise dos resultados. Na primeira etapa foi realizada a divisão da área em estudo em duas partes (uma com relevo mais movimentado e outra com relevo menos movimentado), isso porque a região apresenta relevo suave ondulado a forte ondulado, o que acarreta maior dificuldade do mapeamento automático do uso da terra a partir de imagens de satélite. Foram também criadas máscaras na rede de drenagem e área urbana. Na segunda etapa, diversas RNAs foram treinadas a partir de várias amostras de imagens representativas das classes de interesse e foi feita a classificação do restante da imagem utilizando a melhor RNA obtida. A terceira etapa consistiu na análise e validação dos resultados, realizando um cruzamento entre o mapa classificado visualmente e o mapa classificado pela Rede Neural escolhida. Utilizou-se o índice Kappa para avaliar o desempenho da RNA, uma vez que o uso desse coeficiente é satisfatório na avaliação da precisão de uma classificação temática. O resultado obtido foi superior aos resultados encontrados na literatura, com um índice Kappa de 0,558 para o relevo mais movimentado e 0,602 para o relevo menos movimentado.Item Application of artificial neural network in the classification of coffee areas in Machado, Minas Gerais state(Editora UFLA, 2013-01) Andrade, Lívia Naiara de; Vieira, Tatiana Grossi Chquiloff; Lacerda, Wilian Soares; Volpato, Margarete Marin Lordelo; Davis Junior, Clodoveu AugustoThe coffee is extremely important activity in southern of Minas Gerais and techniques for estimating acreage, seeking reliable crop forecasts are being intensely investigated. It is presented in this study, an application of Artificial Neural Networks (ANN) for the automatic classification of remote sensing data in order to identify areas of the coffee region Machado, Minas Gerais. The methodology for developing the application of RNA was divided into three stages: pre-processing of data, training and use of RNA, and analysis of results. The first step was performed dividing the study area into two parts (one embossed busiest and least busy one with relief), because this region has a strong emphasis smooth wavy, causing a greater difficulty of automatic mapping of use earth from satellite images. Masks were also created in the drainage network and the urban area. In the second step, various RNA’s were trained from several samples representative of the classes of images of interest and was made to classify the rest of the image obtained using the best RNA. The third step consisted in analyzing and validating the results, performing a cross between the classified map and the map visually classified by neural network chosen. We used the Kappa index to evaluate the performance of the RNA, since the use of this coefficient is satisfactory to assess the accuracy of a thematic classification. The result was higher than the results reported in the literature, with a Kappa index of 0.558 to 0.602 relief busiest and least busy for relief.