Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/14538
metadata.dc.type: Dissertação
metadata.dc.rights: 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
Other Titles: Plants classication system through their leaves using a hybrid architecture composed of genetic algorithms and backpropagation neural network
metadata.dc.creator: Borges, Thiago Henrique
metadata.dc.contributor.advisor1: Carrijo, Gilberto Arantes
metadata.dc.contributor.referee1: Flores, Edna Lúcia
metadata.dc.contributor.referee2: Veiga, Antônio Cláudio Paschoarelli
metadata.dc.contributor.referee3: Arruda, Benedito Alencar de
metadata.dc.description.resumo: 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)
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
metadata.dc.language: por
metadata.dc.publisher.country: BR
Publisher: Universidade Federal de Uberlândia
metadata.dc.publisher.initials: UFU
metadata.dc.publisher.department: Engenharias
metadata.dc.publisher.program: Programa de Pós-graduação em Engenharia Elétrica
Citation: 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.
URI: https://repositorio.ufu.br/handle/123456789/14538
Issue Date: 12-Apr-2013
Appears in Collections:COPEL - Mestrado em Ciências

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


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