Use este identificador para citar ou linkar para este item:
http://repositorio.ufc.br/handle/riufc/55436| Tipo: | Artigo de Evento |
| Título: | Sistema de visão computacional para classificação de melão amarelo de acordo com o formato |
| Autor(es): | Calixto, Rene Ripardo Aragão, Márcia Facundo Rodrigues, Anderson Barbosa Pinheiro Neto, Luis Gonzaga Cavalcante, Tarique da Silveira |
| Palavras-chave: | Melão - Colheita;Estimativa do formato;Visão computacional;Percepção de padrões;Sistemas de reconhecimento de padrões;Visão por computador |
| Data do documento: | 2016 |
| Citação: | CALIXTO, Rene Ripardo; ARAGÃO, Márcia Facundo; RODRIGUES, Anderson Barbosa; PINHEIRO NETO, Luis Gonzaga; CAVALCANTE, Tarique Silveira. Sistema de visão computacional para classificação de melão amarelo de acordo com o formato. In: SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES - SBrT2016, 34º, 30 ago. a 02 Set. 2016, Santarém, PA. Anais [...] Santarém, PA., 2016. |
| Resumo: | Sistemas de visão computacional (VC) são capazes de otimizar um processo de pós-colheita de hortaliças. Este trabalho propõe um processo de VC para classificar o melão amarelo pela estimativa do formato. Para isso, são descritos, uma série de etapas para estimar o formato através da analise de canais dos espaços (RGB e CMYK), mínimo entre imagens, limiarização, detecção de contornos e coordenadas polares. O erro médio entre a definição do formato por VC e operador, foi de 0,032 e desvio padrão de 0,033 com isso, a classificação obteve 100% de acerto. Os métodos propostos podem ser implementados em sistemas embarcados. |
| Abstract: | Computer vision systems (VC) are able to optimize a process of post-harvest vegetables. This paper proposes a VC process to classify the yellow melon by estimating format. For this purpose, are described, a series of steps for estimating channel format by analysis of the spaces (RGB and CMYK), minimum between images, thresholding, contour detection and polar coordinates. The average error between the definition of a VC and operator format, was 0.032 and standard deviation of 0.033 with it, the classification obtained 100% accuracy. The proposed methods can be implemented in embedded systems. |
| URI: | http://www.repositorio.ufc.br/handle/riufc/55436 |
| Aparece nas coleções: | DETE - Trabalhos apresentados em eventos |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| 2016_eve_rrcalixto.pdf | 821,65 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.