@MASTERSTHESIS{ 2023:404290078,
 	title = {Método baseado em análise de imagens speckle e aprendizagem profunda para identificação do defeito germinado na inspeção visual da qualidade de grãos de feijão},
 	year = {2023},
 	url = "http://bibliotecatede.uninove.br/handle/tede/3240",
 	abstract = "A inspeção visual automática de grãos agrícolas pode trazer um diferencial competitivo para as empresas, pois possibilita maior padronização dos resultados levando à obtenção de produtos com maior qualidade e, portanto, com maior valor agregado. Atualmente a inspeção visual de grãos de feijão é conduzida de forma manual visando a determinação do Grupo, Classe e Tipo do produto. O termo "Grupo" é utilizado para se referir à espécie botânica, enquanto a "Classe" é uma classificação do feijão com base na coloração da película e o "Tipo" está relacionado às características qualitativas do produto, sendo determinado de acordo com os defeitos encontrados na amostra, entre os quais estão: partidos, carunchados, ardidos, mofados e germinados, que na sua fase avançada o grão apresenta radícula (broto) visível. O defeito germinado em sua fase inicial é detectado somente por métodos invasivos, partindo o grão para conseguir visualizar. Como alternativa, existem métodos não invasivos na literatura baseados em análise speckle que já são usados em muitas áreas, inclusive na área agrícola para análise de viabilidade de sementes para o plantio. Neste trabalho é apresentado um método que combina análise de imagens speckle e redes neurais de aprendizagem profunda para identificar o defeito germinado em sua fase inicial nos grãos de feijão, que geralmente passariam despercebidos pela visão humana. Primeiro, foram comparados os mapas gerados pela Análise de Contraste Espacial do Laser Speckle (LASCA) e pela, Análise de Contraste Temporal do Laser Speckle (LASTCA). Posteriormente, janelas de 50×50 pixels foram extraídas dos mapas LASTCA, que apresentaram os melhores resultados, e submetidas a uma Rede Neural Convolucional (RNC) que as classificou para indicar a existência do defeito germinado nos grãos analisados. O método proposto foi capaz de identificar o defeito com acurácia de 92,33% e com alta sensibilidade (98,21%), demonstrando a sua aplicabilidade no processo de inspeção visual da qualidade do feijão na agroindústria.",
 	publisher = {Universidade Nove de Julho},
 	scholl = {Programa de Pós-Graduação em Informática e Gestão do Conhecimento},
 	note = {Informática}
}