Aplicativo de celular para identificação das principais espécies comerciais de camarões / Mobile app for identification of the main commercial shrimp species

Rudiard Nardelli, Carlos Eduardo N. Martins, Robilson Antônio Weber

Abstract


Apesar da considerável comercialização de camarões extrativos e de cultivo, ainda não existem dispositivos eletrônicos para verificação das espécies de camarões dentro da indústria. Atualmente o reconhecimento da espécie dentro da planta industrial é feito de maneira visual por um profissional treinado no controle de qualidade, e também pelos documentos fornecidos pelas embarcações ou produtores. Uma possível solução para auxiliar nesta tarefa seria o uso de técnicas de processamento digital de imagens, sendo uma delas a classificação digital de imagens com uso de redes neurais, as quais identificam e aprendem a reconhecer os padrões espectrais por meio da análise do valor digital de um pixel da imagem. O objetivo deste trabalho foi desenvolver um aplicativo utilizando o sistema de redes neurais na identificação das principais espécies de camarões comercializadas em Santa Catarina. A regressão logística foi o método considerado no modelo de redes neurais e a validação cruzada estratificada para a amostragem. A avaliação do modelo apresentou um valor de 99,5% para a Area Under Curve e precisão de 93,7% quando todas as fotos foram analisadas conjuntamente. No teste dentro da indústria a avaliação do dispositivo obteve acerto médio de 87,85%, com banco de imagem utilizando 3424 fotos. Os resultados apresentados demonstraram que o aplicativo pode ser utilizado como ferramenta auxiliar para classificar as espécies comerciais de camarões.


Keywords


processamento de imagem; identificação de espécie; matriz de confusão; camarões.

References


AHMED, F. et al. Classification of crops and weeds from digital images: A support vector machine approach. Crop Protection, [s.l.], v. 40, n. 3, p.98-104, out. 2012. Elsevier BV. Disponível em: http://dx.doi.org/10.1016/j.cropro.2012.04.024. Acesso em: 12 maio 2019.

BABATUNDE, O. He. et al. A survey of computer-based vision systems for automatic identification of plant species. Journal of Agricultural Informatics, [s.l.], v. 6, n. 1, p.61-71, 13 jan. 2015. Disponível em: http://dx.doi.org/10.17700/jai.2015.6.1.152. Acessado em: 25 jul. 2018.

COSTA, R. C.; FRANSOZO, A.; MELO, G. A. S.; FREIRE, F. A. M. Biota Neotropica, v.3, n.1, p.1-12, 2003. Disponível em: http://www.biotaneotropica.org.br. Acessado em: 25 jul. 2018.

DUTTA, Malay Kishore et al. Image processing based method to assess fish quality and freshness. Journal of Food Engineering, [s.l.], v. 177, p.50-58, maio 2016. Elsevier BV. Disponível em: http://dx.doi.org/10.1016/j.jfoodeng.2015.12.018. Acessado em: 25 jul. 2018.

FAO. Food and Agriculture Organization of the United Nations. The state of world fisheries and aquaculture. Roma: FAO, 2018. (ISSN 1020-5489). Disponível em: . Acesso em: 05 ago. 2018.

HUFFPOST BRASIL. 3 aplicativos para amantes de plantas e botânica. 2018. Disponível em: https://www.huffpostbrasil.com/2018/04/10/3-aplicativos-para-amantes-de-plantas-e-botanica_a_23407630/. Acesso em 24 abr. 2019.

IBAMA. Proposta de Plano Nacional de Gestão para o uso sustentável de Camarões marinhos do Brasil. Brasília: Ibama, 2011.

MELO, O. E. B. M. Biologia e abundância do camarão Plesionika edwardsii (Brandt, 1851) nos Açores. 2009. Mestrado. Portugal. Universidade dos Açores, 2007.

NUNES, W.V. Introdução às redes neurais artificiais. In: Esperidião-Antônio V. Neurociências: diálogos e interseções. Rio de Janeiro: Editora Rubio, 2012. p. 1-768.

OLIVEIRA, W. UTFPR Software para reconhecimento de espécies florestais a partir de imagens digitais de madeiras utilizando deep learning. Mestrado. Medianeira, 2018.

R Development Core Team (2009). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria.

SIDDIQI, M. H.; LEE, S.; KHAN, A. Weed Image Classification using Wavelet Transform, Stepwise Linear Discriminant Analysis, and Support Vector Machines for an Automatic Spray Control System. Journal of Information Science and Engineering, Gyeonggi-do, n. 30, p.1253-1270, 2013.

SIQUEIRA-BATISTA, R.; ESPERIDIÃO, A. V., MEDEIROS-SOUZA, R. R. et al. Neurociências e educação: um tempo de encontro no espaço dos saberes. Rev Ciências Ideias, 2(1):1-16, 2010.




DOI: https://doi.org/10.34117/bjdv6n7-140

Refbacks

  • There are currently no refbacks.