Orientador : Lucas Ferrari de Oliveira / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa: Curitiba, 31/08/2015 / Inclui referências : f. 72-75 / Área de concentração: Sistemas eletrônicos / Resumo: Existem muitos sistemas computacionais aplicados a área do agronegócio, que visam melhorar a produtividade, qualidade dos produtos, reduzir desperdícios e auxiliar na tomada de decisões. Da mesma forma medidores de umidade vem se tornando cada vez mais tecnológicos com o passar do tempo e, neste caso, tornar o processo mais automático auxilia na redução de erros e aumenta a produtividade. Em relação aos avanços tecnológicos uma das áreas que vem se destacando no setor é a de visão computacional, que ao longo do tempo tem se tornando mais acessível como tecnologia. Visão computacional é um conjunto de métodos e técnicas utilizadas para interpretar imagens, auxiliando na tomada de decisões, a partir de reconhecimento de padrões. Visando contribuir com esse cenário de desenvolvimento tecnológico no setor do agronegócio, o presente trabalho apresenta um método automático de classificação de sementes utilizando visão computacional. Um conjunto de dados foi criado para o treinamento e testes do método proposto, utilizando 13 diferentes tipos de sementes. A metodologia testada utilizou 6 técnicas de descritores de características (LPQ, LBP, LCP, CLBP, Haralick e Histograma) que foram arranjadas em um vetor de treinamento e de testes do classificador. A avaliação individual e combinações dos descritores também foram alvo de estudo neste trabalho. Também foram testados 2 tipos de classificadores, SVM e RNA. Os resultados obtidos com o método mostraram-se promissores, em 12 dos 13 tipos de sementes testadas a taxa de acerto foi igual ou maior que 85%, ficando abaixo desta marca apenas a classe de Soja. Palavras-chave: Identificação automática, Visão computacional, Identificação de sementes. 11 / Abstract: Many are the computer systems applied to agribusiness area, aimed at improving productivity, products quality, reduce waste and assist in making decisions. Following this trend of technological advances, a prominent area for the sector is the computer vision, which over time has become more accessible as technology. Computer vision is a set of methods and techniques used to interpret images, assisting in decision-making, of pattern recognition. Likewise, moisture measurers have become increasingly technological over time, which make the automatic process reduce errors and increases productivity. An important part of this moisture reading process is to select the type of seed that will be sampled. To contribute to this scenario of technological development, this current work presents an automatic classification method using computer vision. A dataset was created for training and testing of the method proposed here, using 13 different types of seeds. The method used six features descriptors techniques to compose the training and tests vector (LPQ, LBP, LCP, CLBP, Haralick, Histogram and Gabor). Individual assessment and descriptors combinations were also the subject of study in this work. We also tested two types of classifiers, SVM and RNA. The results obtained with the method shown promise in 12 of the 13 kinds of seeds tested, hit rate was equal to or greater than 85%, below this mark of the soy class. Keywords: Automatic classification, Computer vision, Classification of seeds.