Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/14538
Document type: Dissertação
Access type: Acesso Aberto
Title: Sistema de classificação de plantas por meio de suas folhas usando uma arquitetura híbrida composta por algoritmos genéticos e rede neural artificial
Alternate title (s): Plants classication system through their leaves using a hybrid architecture composed of genetic algorithms and backpropagation neural network
Author: Borges, Thiago Henrique
First Advisor: Carrijo, Gilberto Arantes
First member of the Committee: Flores, Edna Lúcia
Second member of the Committee: Veiga, Antônio Cláudio Paschoarelli
Third member of the Committee: Arruda, Benedito Alencar de
Summary: O número de plantas com risco de extinção tem aumentado gradativamente. Com a finalidade de diminuir esse risco, faz-se necessário planejar métodos de proteção e identificação das espécies. A grande biodiversidade de plantas existentes no reino vegetal torna os modelos tradicionais de identificação e de taxonomia uma função muito complexa e lenta. A identificação de uma planta pode ser realizada observando várias características, tais com: frutos, sementes, ores, raízes, folhas e caule. A característica mais simples de ser utilizada nessa identificação são as folhas. Este trabalho apresenta um sistema híbrido e automático de identificação de plantas por meio de suas folhas. Esse sistema é composto por Algoritmos Genéticos (AG) e pela Rede Neural Artificial (RNA). O objetivo do AG é realizar uma pré-seleção de plantas formando um grupo de folhas desconhecidas que seriam a resposta mais provável, enquanto que a finalidade da RNA, treinada pelo algoritmo backpropagation, é classificar a folha considerando apenas o grupo calculado pelo AG. Vários testes foram realizados e os resultados obtidos mostram que o sistema híbrido atingiu uma taxa de reconhecimento de 93,2 %.
Abstract: The number of plants at risk of extinction has increased gradually. With the purpose of reducing the risk is necessary identify the species for planning protection methods. The biodiversity of species existing in the plant kingdom make the use of traditional models of recognition and taxonomy a process very complex and slow. The identification of a plant can be performed observing his features, such as: fruits, seeds, flowers, roots, leaves and stems. But the simplest feature used are the leaves.This paper presents a hybrid system for identifying plant based on leaf image. This system is composed by Genetic Algorithm (GA) and Artificial Neural Network (ANN). The role played by the GA is to perform a preselection of plants forming a group that the answer of an unknown leaf is more probable and the purpose of ANN, trained by backpropagation algorithm, is to classify the unknown leaf performing the search only in the group calculated by the AG. Several tests were conducted and the results obtained demonstrate that the hybrid system achieved a recognition rate of 93,2%.
Keywords: Reconhecimento de padrões
Reconhecimento de plantas
Algoritmos genéticos
Redes neurais artificiais
Patterns recognition
Plants recognition
Genetic algorithms
Articial neural network
Plantas - Identificação
Redes neurais (Computação)
Area (s) of CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Language: por
Country: BR
Publisher: Universidade Federal de Uberlândia
Institution Acronym: UFU
Department: Engenharias
Program: Programa de Pós-graduação em Engenharia Elétrica
Quote: BORGES, Thiago Henrique. Plants classication system through their leaves using a hybrid architecture composed of genetic algorithms and backpropagation neural network. 2013. 119 f. Dissertação (Mestrado em Engenharias) - Universidade Federal de Uberlândia, Uberlândia, 2013. DOI https://doi.org/10.14393/ufu.di.2013.232
Document identifier: https://doi.org/10.14393/ufu.di.2013.232
URI: https://repositorio.ufu.br/handle/123456789/14538
Date of defense: 12-Apr-2013
Appears in Collections:DISSERTAÇÃO - Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
Thiago Henrique.pdf5.25 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.