Artigo

SISTEMA DE MÚLTIPLOS CLASSIFICADORES APLICADO AO RECONHECIMENTO DE ESPÉCIES DE PLANTAS A PARTIR DA IMAGEM DIGITAL DA FOLHA

FRANCO, Yuri Oliveira1; JUNIOR, Alceu De Souza Britto2;

Resumo

Introdução:Plantas são parte integrante do ecossistema da terra e nos fornecem diversos recursos, por este motivo é importante ter conhecimento sobre suas espécies. Utilizando imagens digitais de folhas como base é possível determinar a qual espécie uma planta pertence através da criação de sistemas inteligentes. Tais sistemas são úteis para aumentar a produtividade agrícola e garantir a sustentabilidade do planeta.

Objetivo:Construir e avaliar Sistemas baseados em Múltiplos Classificadores (SMCs) na classificação de plantas através de imagens digitais de suas folhas utilizando pools de classificadores, homogêneos e heterogêneos, treinados com descritores de textura e forma.

Metodologia:Pré-processamento das imagens de folhas visando a eliminação de ruídos e do pecíolo. Extração de descritores de textura e forma baseados em padrão local binário (LBP) e momentos de Zernike, respectivamente. Tais descritores são utilizados no treinamento de pools de classificadores homogêneos usando as técnicas de Bagging e Random Forest, assim como no treinamento de pools heterogêneos utilizando os indutores K-vizinhos mais próximos (KNN), Máquinas de Vetor de Suporte (indutor SMO) e redes neurais. Os classificadores criados são avaliados separadamente, assim como combinados em um SMC.

Resultados:Os experimentos realizados demonstraram que os SMCs criados apresentam pouco ganho na acurácia em relação ao uso de classificadores monolíticos. Por meio de SMC obteve-se melhor resultado apenas na base PlantCLEF2014, através do uso de pool heterogêneo, onde a combinação dos classificadores monolíticos forneceu uma taxa de reconhecimento de 40,22%. Para a base mais recente (PlantCLEF2016) destacaram-se os classificadores monolíticos baseados em SMO e rede neural fornecendo taxa de reconhecimento de 30,31% e 30,16%, respectivamente. Os pools homogêneos não foram promissores em ambas as bases utilizadas, permitindo apenas 29,43% de acurácia na base mais antiga e 23,18% de acurácia na base mais recente.

Conclusões:Observou-se que a utilização de SMCs para a classificação de plantas utilizando imagens de suas folhas trouxe pouca contribuição em termos de acurácia. Além disto, os pools homogêneos mostraram resultados inferiores ao heterogêneo. De modo geral, isto se deve a grande variedade de classes observada neste problema e ao desbalanceamento das bases de imagens disponíveis. Uma alternativa a ser investigada no futuro é o uso do espaço de dissimilaridade.

Palavras-chave:SMCs. Pools de classificadores. Reconhecimento de espécies de plantas.

Legendas

    1. Estudante
    2. Orientador