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%. / 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 %. / Mestre em Ciências
Identifer | oai:union.ndltd.org:IBICT/urn:repox.ist.utl.pt:RI_UFU:oai:repositorio.ufu.br:123456789/14538 |
Date | 12 April 2013 |
Creators | Borges, Thiago Henrique |
Contributors | Carrijo, Gilberto Arantes, Flores, Edna Lúcia, Veiga, Antônio Cláudio Paschoarelli, Arruda, Benedito Alencar de |
Publisher | Universidade Federal de Uberlândia, Programa de Pós-graduação em Engenharia Elétrica, UFU, BR, Engenharias |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Repositório Institucional da UFU, instname:Universidade Federal de Uberlândia, instacron:UFU |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0125 seconds