Visão computacional e técnicas de aprendizado de máquina supervisionado na classificação de sementes de cultivares de grão-de-bico

Resumo

A semelhança morfológica entre cultivares de grão-de-bico (Cicer arietinum) dificulta sua correta identificação, comprometendo a pureza varietal das sementes. Objetivou-se avaliar modelos para a classificação de variedades de grão-de-bico pelo uso de visão computacional e aprendizado de máquina supervisionado, analisando-se atributos morfométricos de sementes de grão-de-bico extraídos de imagens digitais. No total, 21 atributos de cor, forma e tamanho foram determinados a partir de imagens digitais de sementes de nove cultivares de grão-de-bico, correspondentes a cinco cultivares do tipo kabuli e quatro do tipo desi. Para a classificação varietal, foram utilizados os modelos de aprendizado supervisionado Support Vector Machine, Multilayer Perceptron, Random Forest e k-Nearest Neighbors. A avaliação dos modelos foi realizada por meio de validação cruzada k-fold estratificada, para determinar as métricas de desempenho para cada modelo. Os modelos com os melhores desempenhos foram Support Vector Machine e Random Forest, os quais apresentaram alta acurácia (95,37 e 94,26 %) e capacidade discriminatória, segundo o coeficiente de correlação de Matthews (95,10 e 94,24 %), podendo ser considerados métodos adequados na diferenciação varietal de sementes de grão-de-bico.

PALAVRAS-CHAVE: Cicer arietinum, análise de imagens em sementes, identificação de cultivares, fenotipagem digital.