Validação de Métodos Baseados em Visão Computacional para Automação da Identificação e Contagem de Grãos de Pólen
|
|
- Roberto Porto Dreer
- 7 Há anos
- Visualizações:
Transcrição
1 Edital Chamada FUNDECT N Validação de Métodos Baseados em Visão Computacional para Automação da Identificação e Contagem de Grãos de Pólen Ariadne Barbosa Gonçalves Universidade Católica Dom Bosco Prof. Dr. Hemerson Pistori Orientador Prof. Dra. Marney Pascoli Cereda Co-orientadora Mestrado em Biotecnologia Universidade Católica Dom Bosco Janeiro 2013 Campo Grande - MS 1
2 1. DESCRIÇÃO DO GRUPO DE PESQUISA VINCULADO AO PROJETO INOVISAO É um Grupo de Pesquisa de Desenvolvimento e Inovação em Visão Computacional. O INOVISAO tem como principal objetivo a integração entre pesquisa, desenvolvimento e inovação para contribuir com o desenvolvimento do estado do Mato Grosso do Sul. O grupo possui diversos projetos de visão computacional voltados para aplicações no agronegócio e outras áreas relevantes para a região. Através de parcerias com indústrias, outras instituições de pesquisa e agências de fomento. O INOVISAO tem tido sucesso na obtenção de investimentos para a pesquisa no estado, que já resultaram em diversas publicações e no registro de dois softwares, além da criação de uma empresa de base tecnológica que iniciou a inserção dos produtos gerados no mercado nacional e internacional. O grupo tem auxiliado na organização de diversos eventos da área, como CIARP, IWCIA, PSIVT, COMPIMAGE e VIPIMAGE, destacando os esforços para trazer para Campo Grande o SIBGRAPI ANTECEDENTES E JUSTIFICATIVA Apicultura é a atividade de criação de abelhas do gênero Apis em colmeias artificiais visando à produção de mel e a meliponicultura é a criação de abelhas sem ferrão. Além de boa opção para o agronegócio em seu produto principal, o mel, a criação de abelhas é uma atividade ambientalmente sustentável, que contribui para a manutenção das espécies nativas e aumento da produção agrícola (Lopes et al., 2001). Apesar dos ecossistemas Cerrado e Pantanal ainda contarem com vegetação nativa abundante, a ação da meliponicultura e apicultura ligada a flora apícola ainda é pouco explorada. O mel é o principal produto produzido pelas abelhas sendo o pólen apícola o segundo produto mais consumido por elas, sendo ambos considerados saudáveis e benéficos para saúde. Tanto o mel quanto o pólen apícola são produtos antimicrobiano e são considerados produtos ricos em carboidratos, proteínas, lipídeos, açucares, vários minerais e vitaminas (Goodman, 2003). Para a produção destes produtos e de outros como a própolis e geleia real, as abelhas precisam visitar várias flores em busca de néctar, óleos e polens que estão em flores masculinas. Desta forma em todos os produtos produzidos pelas abelhas terão grãos de pólen que se aderiram em seu corpo ou que colheram para formação dos poços de pólen dentro da colmeia. Então torna-se [2]
3 possível rastrear a origem botânica dos produtos apícolas através da identificação dos tipos polínicos encontrados nos produtos ou dentro da colmeia. A análise polínica é importante para detectar fraudes no mel e em conjunto diagnosticar as espécies de plantas nas quais as abelhas buscam alimento, permitindo monitorar as plantas apícolas através do pólen, que apresenta formato, tamanho e textura a diferentes espécies, o que possibilita a autenticação da origem do pólen para garantir seus benefícios para a saúde a partir de sua denominação de origem. A determinação dos grãos de pólen apresenta limitações pelo fato de que a forma da exina dos grãos de pólen que em alguns gêneros são muito parecidas, dificultando assim sua identificação. Essa classificação é realizada por especialistas da área, sendo uma tarefa morosa e cansativa, além do que a identificação até espécie é dificultada em alguns gêneros, devido à grande semelhança entre os polens, por isso são classificados em tipos polínicos (Silva & Absy, 2000). A questão da determinação da espécie pela análise do pólen torna-se ainda mais complexa em algumas espécies por ocorrer variabilidade polínica intraespecífica, na qual a exina, que é a parede externa do grão de pólen, apresenta variações entre indivíduos de mesma espécie (Santos & Pin- Ferreira, 2001). Ainda assim, em algumas situações é possível determinar a origem do grão de pólen até o nível de espécie quando se dispõe de uma palinoteca da flora local possibilitando a comparação entre o pólen presente no mel com o de uma eventual espécie presente no local. Essa análise leva em conta a vegetação local e os caracteres morfológicos de cada pólen para classificação dos grãos de pólen (Maia et al., 2005). Existem diferentes métodos na identificação e contagem de grão de pólen, entre eles temos: a contagem com olho humano que é possível de ser feita através de qualquer microscópio, no entanto consome-se muito tempo do pesquisador; contagem por varredura eletrônica, mas este método requer um microscópio de varredura e não são todas as instituição que possuem, no entanto este método é mais preciso na identificação do grão de pólen por ser possível mostrar com nitidez os detalhas microscópios pólen; outra possibilita é através do contador a laser de partículas, mas não é uma técnica muito apropriada, pois tem precisão apenas em grãos esféricos e o que foge deste padrão não é contado (Costa e Yang, 2009). No entanto estes métodos apresentados são muito cansativos de realizar e são passíveis de erro humano. A automatização no processo de identificação e contagem de grãos de pólen tornam a análise mais rápida e menos trabalhosa, pois permite contar com praticidade um número maior de grãos e é mais precisa na identificação polínica (Langford et al., 1990). Ocorreram várias tentativas para automatizar a identificação de grãos de pólen [3]
4 em imagens microscópicas por algoritmos de computador, mas ainda assim não é um processo barato e totalmente automatizado (Chica & Campoy 2012). Quinta (2009) relata que na área da visão computacional são desenvolvidos algoritmos para obtenção de informações a partir de imagens, buscando a automatização de tarefas geralmente associadas à visão humana. Na visão humana, os olhos capturam as imagens e posteriormente o cérebro realiza a análise e identificação de seu conteúdo. A visão computacional apresenta uma série de etapas para reproduzir essa tarefa realizada pelos seres humanos. A pesquisa se justifica na validação de um programa de computador capaz de realizar a automatização da identificação e contagem de tipos polínicos, o que poderá ser feito por qualquer pessoa que saiba manusear o programa de computador e não apenas pelo especialista como é feito hoje. Desta forma, buscando a melhoria e a automação de estudos palinológicos, um programa de computador será desenvolvido pelo Grupo de Pesquisa, Desenvolvimento e Inovação em Visão Computacional (INOVISÃO) da Universidade Católica Dom Bosco (UCDB), que será capaz de reconhecer um conjunto de grãos de pólen e de imediato identificará a origem botânica dos produtos apícolas, o que contribui para evitar fraudes e também para agregar valor à apicultura desenvolvida no Estado do Mato Grosso do Sul, que será o primeiro no mundo a utilizar a automatização de classificação polínica. 3. OBJETIVOS 3.1. Objetivo Geral Validar um programa de computador, capaz de realizar a identificação e a contagem dos grãos de pólen presentes em amostras de méis, utilizando a visão computacional em imagens de grãos de pólen de plantas apícolas nativas do Cerrado para determinar sua origem botânica com o intuito de chegar a rastreabilidade botânica de produtos apícolas e assim agregar valor ao produto Objetivos Específicos 1. Criação de uma palinoteca da flora apícola do estado de Mato Grosso do Sul; 2. Criação de um banco de imagens dos tipos polínicos; 3. Aplicação de técnicas de visão computacional e áreas afins para realização de reconhecimento e contagem de grãos de pólen; [4]
5 4. Correlação dos resultados obtidos com o conhecimento de especialistas em palinologia e pessoas inexperientes nesta área e validar com os resultados obtidos com o programa de computador. 5. Proteger o programa de computador 5. REVISÃO DA LITERATURA O objetivo da visão computacional é automatizar a tomada de decisões úteis sobre objetos físicos e cenas reais com base em imagens detectadas (Shapiro; Stockamn, 2001). Segundo Yang e Gillies (2008) visão computacional é exatamente o oposto da computação gráfica. Os processos em computação gráfica iniciam com uma descrição funcional, e terminam com uma imagem de representação. Neste caso, a imagem possui as informações completas, assim, a maior parte dos problemas é de natureza algorítmica. Na visão computacional não se tem a informação completa. Consequentemente deve ser usado o domínio específico de conhecimento, suposições ou heurísticas para alcançar o objetivo. O campo da visão computacional é dedicado à descoberta de algoritmos de como representar uma determinada imagem, existem também os algoritmos que melhoram a imagem captada, como por exemplo, a diminuição de ruído, eliminação de sombras, detecção das bordas do objeto, dentre outros. Após o melhoramento da imagem, segue-se a parte de segmentação do objeto, que consiste na utilização de programas específicos para manipulação de imagem que faz recortes automáticos ao redor do objeto de interesse. A segmentação da imagem é uma das partes mais importantes em visão computacional, pois se a imagem for segmentada de maneira errônea, as partes seguintes do reconhecimento de imagem serão comprometidas. A extração de pontos de interesse na imagem é feita por algoritmos específicos como, por exemplo, o SURF que detecta um ponto de interesse em objeto e o descreve formando assim uma coleção de vetores de cada imagem, gerando assim um dicionário visual. Como este processo gera-se muitos pontos de interesse em cada imagem, o que pode dificultar a utilização do software. Para diminuir a quantidade de pontos de interesse é primeiramente definido qual será o tamanho do vocabulário que é o K do algoritmo K-means, então este algoritmo será responsável por encontrar os pontos médios entre os vocabulários e criar assim um agrupamento dos conjuntos dos vetores mais similares entre si que foram extraídos de cada imagem, essas médias de vetores constitui então as palavras do vocabulário. [5]
6 As palavras utilizadas pela técnica de Bag-of-words são derivadas do algoritmo K-means, então quando chega uma imagem nova os pontos de interesse são extraídos para se gerar um vetor, então o Bag-of-words consegue identificar de qual palavra o novo vetor tem maior afinidade, então ele procura os pontos mais semelhantes entre si através de um histograma das palavras código. Então quando o Bag-of-words precisa classificar um novo vetor ele busca em sua biblioteca aquele vetor que é o mais próximo daquele apresentado, que é um treinamento realizado através da aprendizagem de máquina. A apicultura traz diversos benefícios por ser uma atividade sustentável e proporciona tanto vantagens econômicas com a comercialização do mel e seus derivados, como sociais através da geração de empregos. Apesar de ser produzido no Brasil há muito tempo, pouco se sabe sobre as características e origem dos produtos apícolas comercializados em cada região do país. Na atividade apícola, a exploração comercial dos produtos das abelhas exige do apicultor, além do manejo adequado de suas colmeias, a suficiência de pasto apícola que é constituído do conjunto de plantas cujas flores produzem néctar, pólen, resinas ou óleos, os quais são de essencial para que o produtor tenha sucesso no seu empreendimento de produção de mel (Pinho-Filho, 2007). Como alimento, o mel é produzido pelas abelhas a partir do néctar das flores, das secreções de partes vivas das plantas ou ainda de excreções de insetos sugadores das mesmas. As abelhas recolhem estes produtos e os transformam, combinam com substâncias específicas próprias, armazenam e deixam maturar nos favos da colmeia (Brasil, 2000). Ao procurarem estas secreções que geralmente estão próximas às flores, as abelhas podem carregar os grãos de polens aderidos às suas cerdas para o mel, fato este que pode ser usado na caracterização da sua origem botânica. 6. METODOLOGIA O trabalho será desenvolvido nos Laboratórios do Centro de Tecnologia para o Agro-negócio (CeTeAgro) da Universidade Católica Dom Bosco-MS e no ambiente do Laboratório do Grupo de Pesquisa INOVISÃO da UCDB. A metodologia prevê a identificação e contagem manual em microscópio dos grãos de pólen presentes nas amostras de méis com comparação das imagens coletadas da palinoteca e posterior validação da automação da identificação e contagens dos mesmos materiais que será realizado pelos módulos do programa de [6]
7 computador desenvolvido pelo grupo de pesquisa. Para ambas as metodologias há necessidade de preparo prévio das amostras de mel. Quando o programa de computador for capaz de fazer automaticamente a identificação e contagem dos grãos de pólen, então será feita a validação do programa com pesquisadores da área de palinologia e pessoas leigas do assunto Processamento das amostras de mel Será coletada uma amostra de mel de cada um dos 78 municípios de Mato Grosso do Sul, na qual será feita a análise melissopalinológica que consiste em suspender 10 ml de mel que será pesado em balança analítica com quatro casas decimais e posteriormente diluído em 10 ml de água destilada a 40 C. Serão acrescentados 50 ml de álcool etílico 95% e a mistura será centrifugada a 1500rpm para isolamento e concentração dos grãos de pólen no fundo do tubo. Após o descarte do sobrenadante, o pólen residual será submetido ao processo de acetólise conforme técnica descrita por Louveaux et al. (1970) e adaptada por Jones & Bryant Jr. (2004) o que permite melhor destacar as imagens. A técnica utiliza de 1 parte de ácido sulfúrico e 9 partes de anidrido acético (Louveaux et al., 1970) para preparar uma solução da qual 2mL serão vertidos sobre cada amostra. Os frascos são colocados em banho-maria a temperatura de ebulição que em Campo Grande, MS é de 97 C por dois minutos, o sobrenadante é descartado e 2 ml de ácido acético é acrescentado à amostra de forma a proporcionar uma aparência seca. A amostra deve ficar em repouso por uma hora e posteriormente o sobrenadante é descartado e o precipitado deve ser suspenso em 2 ml de glicerina líquida para reidratação dos grãos de pólen. Para o preparo das lâminas permanentes corta-se um cubo 3mmx3mm de gelatina glicerinada de Kisser (Salgado-Labouriau, 1973), que é usada para friccionar o fundo dos tubos de forma a recolher os grãos de pólen por adesão à gelatina (Louveaux et al., 1970). Os tipos polínicos serão identificados nestas lâminas segundo palinoteca local, técnica descrita por Santos (2011), com auxilio da literatura polínica especializada de Roubik & Moreno (1991), Palacios et al. (1991), Carreira & Barth (2003), Melhem et al. (2003), Borges et al. (2006) e Silva (2012). Para ter a validação confiável de que os grãos identificados são realmente das referidas plantas, as lâminas serão levadas em centros palinológicos fora do Estado, para especialistas da área, pois como trabalham com a identificação polínica há muito tempo, espera-se que eles tenham certeza quanto à identificação de cada pólen, extinguindo-se assim a dúvida quanto à classificação, desta forma a confirmação dos [7]
8 tipos polínicos por pesquisadores experientes será o ground-truth, ou seja, o conjunto de referência de pólen que se sabe a real procedência botânica Captura da imagem de grão de pólen Para capturar as imagens dos grãos de pólen (Figura 2) será utilizado um microscópio digital LCD micro Bresser com lentes de aumento de 40X que faz a captura das imagens da lâmina microscópica (100 campos) e que através do cartão de memória são transferidas para um laptop onde estará instalado o programa de computador de identificação que é dotado de um módulo que faz o pré-processamento da imagem para redução de ruídos, segmenta e isolar as regiões contendo os grãos de pólen para reconhecimento dos padrões que identifica os diferentes tipos polínicos. Em um segundo módulo do programa, ele fará a contagem dos grãos de pólen iguais, para estipular a frequência polínica em cada amostra de mel. Em situações que ocorram aglomerados de grãos de pólen (Figura 3) muito complexos, o programa de computador deverá ignorar essas regiões e estimar o total de grãos de pólen com base nas amostras passíveis de contagem. Figura 2: Imagens de grãos de pólen com aumento de 40X. A- Anacardiaceae; B- Myrtaceae; C- Arecaceae; D- Urticaceae. [8]
9 Figura 3: Caso em que ocorre aglomerados de grãos de pólen. Aumento de 40X Módulo de identificação dos grãos de pólen O grão de pólen possui uma visão tridimensional, desta maneira, de cada tipo polínico identificado serão capturadas 30 imagens de cada grão em diferentes posições, para o treinamento do programa de computador no reconhecimento de um determinado pólen por vários ângulos e independente da posição que o pólen se encontre. As imagens captadas dos campos da lâmina serão transferidas para um laptop e feita a segmentação da imagem usando o programa Photoshop de maneira que em cada imagem permaneça somente os grãos de pólen identificados. Como os grãos de pólen possuem um padrão de forma e pontos de interesse o programa de computador a ser desenvolvido possui um módulo baseado em Visão Computacional que será utilizado para reconhecer a forma dos grãos de pólen nas imagens, com aplicação das técnicas de pré-processamento e segmentação como descritos nos tópicos a seguir: 1. O pré-processamento consiste em transformar a imagem capturada em outra imagem melhorada, ou seja, visa melhorar a qualidade da imagem apresentada anteriormente. Exemplificando, a imagem pode ser trabalhada quanto a sua nitidez, ruído, distorção, brilho, contraste, cores, dentre outras formas de melhorar a imagem. [9]
10 2. A segmentação é a transformação da imagem em uma escala reduzida de informações que tem por objetivo reduzir ao máximo as informações desnecessárias da imagem para as etapas posteriores. Este módulo realça e separa os grãos de pólen que podem estar muito próximos (Figura 3) e elimina todo o fundo da imagem, deixando somente célula. Este procedimento tem a finalidade de evitar possíveis enganos do classificador quando a mudança de gradiente da imagem ou agrupamentos dos grãos de pólen. 3. A extração de atributos da imagem será feita através do algoritmo SURF que detecta e descreve os pontos de interesse na imagem. Após a detecção de grãos de pólen ocorre a extração de um ou vários pontos de interesse da imagem. No passo de aprendizagem automática do algoritmo é realizada a automatização da identificação dos grãos de pólen que possuem visão tridimensional, sendo que primeiramente é fornecido ao algoritmo 30 imagens de várias visões de um determinado pólen para que ele possa extrair todos os pontos de interesse das imagens. 4. Posteriormente os atributos de cada espécie de pólen são apresentados ao Bag-of-words que fará a extração dos atributos com mais afinidades entre si e então formará um histograma dos vetores em que a imagem possui maior afinidade. 6.4 Módulo de contagem dos grãos de pólen Quando o programa de computador for capaz de reconhecer todos os grãos de pólen das amostras será feito o segundo módulo do programa de computador que será a capacidade de fazer com que o programa faça a contagem automática dos grãos de pólen presentes nas amostras de mel. Nesta fase serão entregues ao programa de computador imagens que contenham vários grãos de pólen (Figura 4), e a partir da imagem original será utilizada a Transformada Generalizada de Hough (Ballard, 1981) para detecção dos grãos de pólen, pois esta transformada é capaz de reconhecer qualquer forma geométrica paramétrica a partir de um conjunto de pontos. Após o treinamento do programa e ele que será capaz de contar os grãos de pólen em uma amostra e quantificar os tipos polínicos de cada espécie, apresentando assim a frequência polínica de cada amostra de mel. [10]
11 Figura 4: Captura de imagem de vários grãos de pólen presentes no mel com aumento de 10X. 6.5 Validação do programa de computador na identificação e contagem dos grãos de pólen O programa de computador será treinado no reconhecimento de grãos de pólen e para validar seu desempenho no reconhecimento dos grãos, serão selecionadas 20 imagens de cada tipo polínico nos mais diversificados ângulos que se possa encontrar um grão de pólen, mas que não foram utilizadas no treinamento do programa, ou seja, o programa não teve acesso às imagens. E então serão realizados testes com o programa de computador em relação ao desempenho humano. As imagens selecionadas serão entregues ao programa de computar e a grupos de pessoas que possuem diferentes graus de conhecimento em palinologia para que eles realizem a classificação dos polens, os grupos são descrito a seguir: A- Cinco especialistas em palinologia com no mínimo dois anos de experiência nesta área; B-Treinamento de cinco apicultores que nunca tiveram contado com a palinologia e serão ensinados a identificar grãos de pólen durante dois dias; C- Cinco apicultores sem conhecimento de palinologia e nenhum treinamento prévio, contudo terão acesso a um banco de imagem que possua apenas um ângulo da imagem de pólen de cada espécie. [11]
12 Serão selecionadas 50 imagens com vários grãos de pólen em que o programa não teve acesso, e apresentadas ao programa de computador e aos mesmos grupos de pessoas para que seja feita a contagem da proporção de cada tipo polínico nas imagens. Após a certificação dos erros e acertos que cada grupo obteve será feito a estatística do desempenho do programa de computador versus a do desempenho humano, para verificar a precisão do programa na identificação dos grãos de pólen. O modelo estatístico que será utilizado será o teste de Friedman que é um teste não paramétrico que também são conhecidos como testes de distribuição livre, porque fazem poucas ou nenhumas suposições sobre o tipo de dados que pode ser utilizado (Field, 2009). Para esta proposta, o teste de Friedman visa analisar o resultado obtido por cada grupo e verificar se a hipótese previamente descrita por ele é verdadeira ou não. Este teste assume a hipótese de que o programa de computador rivalizando o desempenho humano é igual, ou seja, assume o que se chama de hipótese nula. Um valor, chamado de valor p é calculado e, com base no resultado que ele apresenta, a hipótese nula pode ser rejeitada ou não. Através do valor de p é possível rejeitar ou não a hipótese nula de acordo com o grau de significância que seu teste irá adotar. Se o valor de p for menor que o valor de significância a hipótese nula será rejeitada, logo é possível concluir que programa de computador rivalizando o desempenho humano é diferente. Caso contrário, pode-se dizer que a hipótese nula é aceita e que programa de computador rivalizando o desempenho humano é igual. Para o teste de Friedman, os dados se dispõe em uma tabela dupla entrada com n linhas e k colunas. As linhas apresentam os vários indivíduos ou conjunto correspondentes de indivíduos, e as colunas representam as diversas condições. Se esta sendo estudados os scores dos indivíduos observados sob todas as condições, então cada linha da o score de um indivíduo sob as k condições. Caso, utilizando-se um nível de significância de 95% (pvalue < 0.05), seja constatado diferença, um teste post-hoc será realizado e os Boxplots resultantes analisados. O teste post-hoc, também disponível no R, tem como base o teste de Wilcoxon com correção para FWER (Family-wise Error Rate) descrito por Hollander e Wolf (1999). 7. ATIVIDADES E CRONOGRAMA DE EXECUÇÃO BIMESTRES ATIVIDADES [12]
13 Revisão da literatura X X X X X X X X X X X X Isolamento dos grãos de pólen das X X X X X X X X X amostras de mel Uso do programa de computador na identificação dos grãos de pólen Uso do programa de computador na contagem dos grãos de pólen Desempenho humano na identificação X X X X X X X X X X X X X X X X dos grãos de pólen Tabulação e organização dos resultados X X X X X X X X X X Redação de relatório parcial X Redação de relatório final e artigos X X X X Defesa da Dissertação X 8. RESULTADOS ESPERADOS A criação de um programa de computador desenvolvido pelo grupo de pesquisa INOVISÃO e realizar seu registro, pois o mesmo será capaz de identificar e contar os grãos de pólen, que será o primeiro programa desenvolvido no Brasil permitindo assim aos pesquisadores do Estado do Mato Grosso do Sul a automatização na identificação e contagem de grãos de pólen presentes em produtos apícolas, o que permiti a denominação botânica dos produtos, agregando assim valores aos produtos apícolas produzidos no Estado e evitando possíveis fraudes nestes produtos. O domínio da tecnologia que poderá ser também aplicada em outros setores como a palinologia forense, que utilizada de grãos de pólen presentes em cadáver para averiguar se este foi morto no local em que foi encontrado ou deixado neste local, além da contribuição na própria palinologia como a identificação de grãos de pólen do quaternário e presente em coprólitos o que permite desvendar a história da Terra em outras eras, ressaltando que a pesquisa é original e inédita. 9. REFERÊNCIAS Ballard, D. H. (1981). Generalizing the Hough transform to detect arbitrary patterns. Pattern Recognition, 13(2): [13]
14 Borges, R.L.B., Lima, L.C.L., Oliveira, P.P., Silva, F.H.M., Novais, J.S., Dórea, M.C., Santos, F.A.R. (2006) O pólen no mel do Semi-Árido brasileiro. v.3, in: Santos F.A.R. (Ed.), Apium plantae, IMSEAR, Recife, Brazil. Brasil. (2000). Ministério da Agricultura, Pecuária e Abastecimento. Defesa Animal. Legislação. Sistema de Consulta a Legislação. Módulo de Legislação Agropecuária. Instrução Normativa n. 11, de Regulamento técnico de identidade e qualidade do mel, online: < method=consultarlegislacaofederal>. Carreira, L.M.M., Barth, OM. (2003) Atlas de pólen da vegetação de canga da Serra de Carajás (Pará, Brasil), Museu Paraense Emílio Goeldi, Belém, Brazil. Chica, M.; Campoy, P. (2012). Discernment of bee pollen loads using computer vision and one-class classification techniques. Journal of food Engineering, n. 112, p Costa, C.M.; Yang, S. Counting pollen grains using readily available, free image processing and analysis software. Annals of Botany, n. 104, p , Field, A.P. Descobrindo a estatística usando o SPSS. 2. ed. Porto Alegre: Artmed, Goodman, L.J. Form and function in the honey bee. International Bee Research Association, 220 p., 2003 Hollander, M.; Wolf, D. A. Nonparametric Statistical Methods. 2nd Edition. New York: John Wiley & Sons, Jones, G.D., Bryant, V.M.Jr. (2004) The use of ETOH for the dilution of honey, Grana, 43, [14]
15 Langford, M., Taylor, G.E., Flenley, J.R., (1990). Computerized identification of pollen grains by texture analysis. Review of Palaeobotany and Palynology, n. 64, p Lopes, M.T.R., Camargo, R.C.R., Vilela, S.L.O. (2001) Apicultura, Embrapa Meio- Norte, Teresina, Brazil. Louveaux, J., Maurizio. A., Vorrwohl, G. (1970) Methods of melissopalynology, Bee World 51, Maia, M., Russo-Almeida, P.A., Pereira, J.O. (2005) Caracterização do espectro polínico dos méis do Alentejo (Portugal), Silva Lusitana 13, LIU, X.; WANG, D.; RAMIREZ, J.R. Boundary detection by contextual non-linear smoothing. Pattern Recognittion, vol. 33, p , Melhem, T.S., Cruz-Barros, M.A.V., Corrêa, A.M.S., Makino-Watanabe, H., Silvestre-Capelato, M.S.F., Gonçalves-Esteves, V.L. (2003) Variabilidade polínica em plantas de Campos do Jordão (São Paulo, Brasil), Boletim do Instituto de Botânica 16, Palacios, C.R., Ludlow, W.R., Villanueva, G.R. (1991) Flora palinologica de la reserva de la biosfera de Sian Ka An Quintana Rôo, México, Centro de Investigaciones Quintana Roo, Chetumal. Pinho Filho, R. (2007) Criação de Abelhas, 3. ed., SEBRAE-MT, Cuiabá, Brazil. Quinta, B.N.L. C. (2009). Desenvolvimento de um Sistema de Visão Computacional para o Controle Microbiano em Processos de Produção de Etanol p. Monografia (Final de Curso de) Engenharia de Computação, Universidade Católica Dom Bosco, Campo Grande. [15]
16 Roubik. D.W., Moreno, J.E. (1991) Pollen and Spores of Barro Colorado Island, Monographs in Sistematic Botany from the Missouri Botanical Garden 36. Salgado-Labouriau, M.L., (1973). Contribuição a Palinologia dos Cerrados. São Paulo: Academia Brasileira de Ciências, 291p. Santos, F.A.R.; Pin-Ferreira, A.B. (2001) Variabilidade polínica de Opuntia brasiliensis (Willd.) Haw. (Cactaceae), Sitientibus 1, Santos, F.A.R. (2011) Identificação botânica do pólen apícola, Magistra 23, 4-9. Shapiro, L.; Stockman, G. (2001) Computer vision. New Jersey: Prentice Hall. Silva, A.P.C. (2012) Análise palinológica de amostras de mel de Apis mellifera L. produzidas no estado de Sergipe, Brasil, Dissertação (Mestrado em Botânica), Universidade Estadual de Feira de Santana, Brazil. Silva, S.J.R., Absy, M.L. (2000) Análise do pólen encontrado em amostras de mel de Apis mellifera L. (Hymenoptera, Apidae) em uma área de savana de Roraima, Brasil, Acta Amazonica 30, Yang, GZ; Gillies, D.F. (2008). Computer Vision, Department of Computing, Imperial College. Disponível em <. ic.ac.uk/ ~ gzy>. Acesso em 30 de Outubro de [16]
Identificação computadorizada de tipos polínicos através de Bag of Words
Identificação computadorizada de tipos polínicos através de Bag of Words Identification of pollen grains computed by Bag of Words GONÇALVES, Ariadne Barbosa 1 ; RODRIGUES, Carolini Nascimento Martins 1
Identificação botânica do pólen encontrado em amostras de mel de Apis mellifera L. produzido no município de Bonito-MS
14658 - Identificação botânica do pólen encontrado em amostras de mel de Apis mellifera L. produzido no município de Bonito-MS Botanical identification of pollen found in honey samples of Apis mellifera
Estudo Comparativo entre Diferentes Medidas de Similaridade na Aplicação de Casamento de Modelos ao Problema do Reconhecimento de Imagens de Levedura
Estudo Comparativo entre Diferentes Medidas de Similaridade na Aplicação de Casamento de Modelos ao Problema do Reconhecimento de Imagens de Levedura Fernando Riedo Pires Orientador: Jeferson Pistori Co-orientador(a):
AVALIAÇÃO DA COMPOSIÇÃO POLÍNICA, FÍSICA E ORGANOLÉPTICA DE MÉIS COMERCIALIZADOS NO MUNICÍPIO DE CAMPO MOURÃO - PARANÁ
AVALIAÇÃO DA COMPOSIÇÃO POLÍNICA, FÍSICA E ORGANOLÉPTICA DE MÉIS COMERCIALIZADOS NO MUNICÍPIO DE CAMPO MOURÃO - PARANÁ Dandara Carlessi do Nascimento, (PIC, CNPq), UNESPAR/FECILCAM, dandaa_ra@hotmail.com
Evaluation of Machine Learning and Bag of Visual Words Techniques for Pollen Grains Classification
Evaluation of Machine Learning and Bag of Visual Words Techniques for Pollen Grains Classification C. N. M. Rodrigues, A. B. Gonçalves, G. G. Silva and H. Pistori 1Abstract This work presents some new
AVALIAÇÃO DA CADEIA PRODUTIVA DO MEL DE APIS MELLIFERA PRODUZIDO NA REGIÃO DE SINOP/MT
AVALIAÇÃO DA CADEIA PRODUTIVA DO MEL DE APIS MELLIFERA PRODUZIDO NA REGIÃO DE SINOP/MT GARCIA, Iarema Vicente¹; RUBIO, Alisson Fernando¹, FIGUEIREDO, Julia Raisa¹, WOBETO, Carmem² Palavras Chaves: Boas
O reconhecimento facial é dividido em três etapas: i) detecção da face, ii) extração de características e iii) reconhecimento da face.
ESTUDO SOBRE MÉTODOS DE RECONHECIMENTO FACIAL EM FOTOGRAFIAS DIGITAIS Ana Elisa SCHMIDT¹, Elvis Cordeiro NOGUEIRA² ¹ Orientadora e docente do IFC-Campus Camboriú; ² Aluno do curso de Bacharelado em Sistemas
DIFERENCIAÇÃO POLÍNICA E DETERMINAÇÃO DAS CARACTERÍSTICAS ORGANOLÉPTICAS DE MÉIS COMERCIALIZADOS NA CIDADE DE CAMPO MOURÃO PR
DIFERENCIAÇÃO POLÍNICA E DETERMINAÇÃO DAS CARACTERÍSTICAS ORGANOLÉPTICAS DE MÉIS COMERCIALIZADOS NA CIDADE DE CAMPO MOURÃO PR Leticia Fernanda Pires Alves 1, Mauro Parolin 2 RESUMO: O mel é um produto
1. Antecedentes e Justificativa
P L A N O D E T R A B A L H O Título do Projeto: Valorização do Mel em Ecossistemas Frágeis: Implantação de Denominação de Origem Controlada em Comunidades do Interior do Mato Grosso do Sul. Título do
Caracterização polínica e física de méis de Apis mellifera produzidos na área urbana e zona rural do município de Campo Mourão Paraná
Caracterização polínica e física de méis de Apis mellifera produzidos na área urbana e zona rural do município de Campo Mourão Paraná Dandara Carlessi do Nascimento 1 (EPA, PIC, UNESPAR/FECILCAM) dandaa_ra@hotmail.com
MANEJO RACIONAL DE ABELHAS AFRICANIZADAS
MANEJO RACIONAL DE ABELHAS AFRICANIZADAS Wagner da Paz Andrade¹; Gustavo Haralampidou da Costa Vieira²; Carlos Aparecido Ferreira Barbosa 1 1 Estudante do Curso de Engenharia Agronômica da UEMS, Unidade
Detecção e Correção Automáticas de Olhos Vermelhos
Setor de Tecnologia da Universidade Federal do Paraná Curso de Engenharia Elétrica TE 072 Processamento Digital de Sinais Detecção e Correção Automáticas de Olhos Vermelhos Trabalho elaborado pelo aluno
Máquinas de Vetores de Suporte Aplicadas à Classificação de Defeitos em Couro Bovino
Máquinas de Vetores de Suporte Aplicadas à Classificação de Defeitos em Couro Bovino Ricardo Cezar Bonfim Rodrigues 24 de abril de 2006 1 Antecedentes e Justificativa Hoje, em diversos processos industriais,
Histograma de Superpixels para Aplicações em Palinologia Forense
UNIVERSIDADE CATÓLICA DOM BOSCO Centro de Ciências Exatas e da Terra Curso de Bacharelado em Engenharia de Computação Histograma de Superpixels para Aplicações em Palinologia Forense Alexandre Fernandes
Extração de características utilizando filtros de Gabor aplicado a identificação de defeitos no couro bovino
Extração de características utilizando filtros de Gabor aplicado a identificação de defeitos no couro bovino André Luiz Pasquali 24 de abril de 2006 1 Antecedentes e Justificativa Atualmente o Brasil vem
Universidade Católica Dom Bosco
Universidade Católica Dom Bosco Centro de Ciências Exatas e Tecnológicas Curso de Engenharia de Computação Segmentação e Reconhecimento Baseado em Textura: Técnicas e Ferramentas Wagner Beloti Leal Prof.
IMPLANTAÇÃO DA CASA DO MEL AOS APICULTORES DE BOTUCATU
IMPLANTAÇÃO DA CASA DO MEL AOS APICULTORES DE BOTUCATU Soyhara Aline de Oliveira 1, Geraldo de Nardi Junior 2 1 Tecnóloga em Agronegócio, Faculdade de Tecnologia, Botucatu, SP, Brasil. 2 Prof. Ass. Dr.
Caracterização polínica, física e organoléptica de méis de Apis mellifera produzidos e comercializados no estado do Paraná
Caracterização polínica, física e organoléptica de méis de Apis mellifera produzidos e comercializados no estado do Paraná Dandara Carlessi do Nascimento 1 (EPA, LEPAFE, UNESPAR-CAMPUS DE CAMPO MOURÃO)
Universidade Católica Dom Bosco Curso de Bacharelado em Engenharia de Computação
Universidade Católica Dom Bosco Curso de Bacharelado em Engenharia de Computação Desenvolvimento de um sistema de identicação de espécies de peixes utilizando Visão Computacional e aprendizagem automática
QUALIDADE FÍSICO-QUÍMICA DE MÉIS COMERCIALIZADOS NO MUNICÍPIO DE UBERABA
QUALIDADE FÍSICO-QUÍMICA DE MÉIS COMERCIALIZADOS NO MUNICÍPIO DE UBERABA BRAGA, K. A. 1 ; SILVA, M.B.L. 2 ; PEREIRA, L.A. 3 ; BESSA, J.A. 2 1 Estudante 6 período em Tecnologia em Alimentos - bolsista PIBIC-IFTM.
QUALIDADE MICROBIOLÓGICA DO MEL DE ABELHA Apis mellifera DO SERTÃO PARAIBANO
QUALIDADE MICROBIOLÓGICA DO MEL DE ABELHA Apis mellifera DO SERTÃO PARAIBANO MELO, F. S. N. MELO 1, W. F. MARTINS 2, G. NICOLETTI 2, C. SILVEIRA 2, M. S. A. RODRIGUES 3, S. S. MARTINS 3 e A. dos S. ARAUJO
Produção do mel 29/10/2010
UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO DEPARTAMENTO DE CIÊNCIAS ANIMAIS INSPEÇÃO DE PRODUTOS DE ORIGEM ANIMAL Introdução Inspeção de mel Diversidade da flora brasileira Diversidade Climática Grande potencial
INFLUÊNCIA DA ALIMENTAÇÃO ARTIFICIAL ENERGÉTICA NA MANUTENÇÃO DE ENXAMES DE
INFLUÊNCIA DA ALIMENTAÇÃO ARTIFICIAL ENERGÉTICA NA MANUTENÇÃO DE ENXAMES DE Apis mellifera L. DURANTE ESTIAGEM NO MUNICÍPIO DE SÃO JOÃO DO RIO DO PEIXE PB. Anderson Bruno Anacleto de Andrade¹; Rosilene
Programa 25/02/2019. Objetivo Geral: Processamento Digital de Imagens I Turma A. Objetivos Específicos:
Curso de Engenharia Cartográfica e Agrimensura Processamento Digital de Imagens I Turma A 2019/1 semestre Objetivo Geral: Conhecer técnicas de processamento de digitais que permitem extrair e identificar
VERIFICAÇÃO DA QUALIDADE MICROBIOLÓGICA DE MÉIS PRODUZIDOS E COMERCIALIZADOS NO SERTÃO PARAIBANO.
VERIFICAÇÃO DA QUALIDADE MICROBIOLÓGICA DE MÉIS PRODUZIDOS E COMERCIALIZADOS NO SERTÃO PARAIBANO. Luis Paulo Firmino Romão da Silva¹; Maria do Socorro Araujo Rodrigues²; Simone Sucupira Martins¹; Janailson
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
INCORPORAÇÃO DE BOAS PRÁTICAS NA APICULTURA FAMILIAR DA REGIÃO DE IRATI, CENTRO SUL DO PARANÁ
INCORPORAÇÃO DE BOAS PRÁTICAS NA APICULTURA FAMILIAR DA REGIÃO DE IRATI, CENTRO SUL DO PARANÁ Adalberto Klossowski (Bolsista SETI- UNICENTRO); Jairo Woruby (Bolsista SETI- UNICENTRO), Maicon Dziadzio (Bolsista
PRODUÇÃO DE HIDROMEL A PARTIR DE BLENDS DE MÉIS DE ABELHAS NATIVAS DA AMAZÔNIA ORIENTAL
PRODUÇÃO DE HIDROMEL A PARTIR DE BLENDS DE MÉIS DE ABELHAS NATIVAS DA AMAZÔNIA ORIENTAL William Vaz Direito 1, Jessyca Camilly Silva de Deus 2, João Paulo de Holanda-Neto 3, Daniel Santiago Pereira 4 1
SEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
MouseCam: aplicação de controle do mouse via câmera
MouseCam: aplicação de controle do mouse via câmera Introdução ao Processamento de Imagens COS756 PESC/COPPE/UFRJ 2013 1 Renan Garrot garrot@cos.ufrj.br 1. Introdução O processo de tracking por vídeo consiste
SISTEMA AUTOMÁTICO PARA AVALIAÇÃO POSTURAL BASEADO EM DESCRITORES DE IMAGENS
SISTEMA AUTOMÁTICO PARA AVALIAÇÃO POSTURAL BASEADO EM DESCRITORES DE IMAGENS GIAN LUCAS DE OLIVEIRA PAIVA GRADUANDO EM ENGENHARIA ELETRÔNICA ORIENTADOR: PROF. CRISTIANO JACQUES MIOSSO DR. EM ENGENHARIA
MÉTODO PRODUTIVO DA ABELHA JATAÍ
MÉTODO PRODUTIVO DA ABELHA JATAÍ Nileidi da Silva (PIC, Fundação Araucária) Unespar/Campus de Campo Mourão, nileidisilva.epa@gmail.com Dieter Randolf Ludewig (Orientador) Unespar/Campus de Campo Mourão,
7 Resultados e Discussão
114 7 Resultados e Discussão A fim de avaliar a importância da utilização de imagens polarizadas em medidas de textura, cujo processamento necessita de imagens nos dois modos de captura (campo claro e
Transformação de Imagens Digitais em Código CNC Aprimoradas com Redes Neurais Artificiais
Transformação de Imagens Digitais em Código CNC Aprimoradas com Redes Neurais Artificiais Abstract. Jader Teixeira 1, Alex Vinícios Telocken 1 1 Universidade de Cruz Alta (UNICRUZ) jader033139@unicruz.edu.br,
Descritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 18 Descritores Locais e Frameworks SIFT SURF Viola-Jones
Identificação de Pontos Perceptualmente Importantes (PIP) em séries temporais de tópicos extraídos de dados textuais
Universidade de São Paulo Biblioteca Digital da Produção Intelectual - BDPI Departamento de Ciências de Computação - ICMC/SCC Comunicações em Eventos - ICMC/SCC 2015 Identificação de Pontos Perceptualmente
Subamostragem de pólen apícola para análise melissopalinológica
Hoehnea 36(4): 709-714, 3 tab., 2 fig., 2009 709 Subamostragem de pólen apícola para análise melissopalinológica Anna Frida Hatsue Modro 1,6, Emanuel Maia 2, Izabel Christina da Silva 3, Cynthia Fernandes
Maria Celeste da Costa Bento
Chefe de Divisão de Controlo da Cadeia Agroalimentar e Melarias Estabelecimentos As Instalações do setor alimentar que detenham, manipulem ou laborem géneros alimentícios de origem animal, designadamente
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA FARROUPILHA PRÓ-REITORIA DE EXTENSÃO
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA FARROUPILHA PRÓ-REITORIA DE EXTENSÃO ANEXO I. PROJETO DE LONGA DURAÇÃO 1. IDENTIFICAÇÃO 1.1 Título do
PRODUÇÃO DE RAINHAS DE Apis mellifera E GELÉIA REAL
PRODUÇÃO DE RAINHAS DE Apis mellifera E GELÉIA REAL Carlos Aparecido Ferreira Barbosa¹; Gustavo Haralampidou da Costa Vieira²; Wagner da Paz Andrade 1 1 Estudante do Curso de Engenharia Agronômica da UEMS,
Processamento Digital de Imagens
1 Ciência da Computação Processamento Digital de Imagens Objetivos e Prof. Sergio Ribeiro Tópicos Percepção por Máquina Imagens e Computação Gráfica, Armazenamento e Exibição Processamento Digital de Imagens
Extração de atributos usando o método LBP - Local Binary Pattern
Extração de atributos usando o método LBP - Local Binary Pattern Lia Nara Balta Quinta. 2 de maio de 2006 1 Antecedentes e Justificativa O Brasil possui, atualmente, um grande rebanho bovino, porém em
Processamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Objetivos e Introdução Prof. Sergio Ribeiro Tópicos Introdução Percepção por Máquina Imagens e Computação Gráfica Complexidade de um Sistema Elementos
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV Izadora Aparecida RAMOS 1,3,4 ; Servílio Souza de ASSIS 1,3,4 ; Bruno Alberto Soares OLIVEIRA
T4.1 Processamento de Imagem
T4.1 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas 4.
Capítulo III Processamento de Imagem
Capítulo III Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas
QUALIDADE DO MEL EM COMUNIDADES RURAIS NO SEMIÁRIDO DO ESTADO DE PERNAMBUCO
QUALIDADE DO MEL EM COMUNIDADES RURAIS NO SEMIÁRIDO DO ESTADO DE PERNAMBUCO Regina Maria Barreto Campello Sampaio(1); Maria Lucia Carneiro Barreto Campello(1); Sebastiana Renata Vilela Azevedo(2); Otávia
Mel e própolis. Casos de sucesso de produtores rurais que processam alimentos artesanais e tradicionais
Artesanais Casos de sucesso processam alimentos artesanais e tradicionais Brasília/ DF - 06 de junho de 2018 LEGISLAÇÕES RELACIONADAS: RIISPOA DECRETO Nº 9.013, DE 29 DE MARÇO DE 2017 Regulamenta a Lei
Processamento de Imagens Digitais
Processamento de Imagens Digitais Antonio Cesar Germano Martins 2º semestre de 2018 Apresentações Nascido em Sorocaba. Graduado em Bacharelado em Física pela UNICAMP em 1989, tendo participado de pesquisas
Implementação de um protópito de uma interface para um controlador de cadeira. de rodas guiado pela direção do olhar.
Implementação de um protópito de uma interface para um controlador de cadeiras de rodas guiado pela direção do olhar. Vinícius Assis Saueia da Silva 18 de abril de 2005 1 Título Implementação de um protópito
Fusão de Atributos para Segmentação de Couro Bovino
Fusão de Atributos para Segmentação de Couro Bovino Lia Nara Balta Quinta. Grupo de Pesquisa em Engenharia e Computação, GPEC Universidade Católica Dom Bosco, UCDB Av. Tamandaré, 6000 - Jardim Seminário
CARACTERIZAÇÃO FÍSICO-QUÍMICA DO MEL DE DIFERENTES ESPÉCIES DE ABELHAS NATIVAS CRIADAS NA CETREVI-EPAGRI-VIDEIRA
CARACTERIZAÇÃO FÍSICO-QUÍMICA DO MEL DE DIFERENTES ESPÉCIES DE ABELHAS NATIVAS CRIADAS NA CETREVI-EPAGRI-VIDEIRA Serigheli, Luiz Felipe C. 1 ; Friedemann, Maurício T. 2 ; Torres, Aledson R. 3 ; Afonso,
Computaçã. Visão Geral. Sistema Gráfico. Computação Gráfica. Pixels. Sistema Gráfico e o Frame Buffer. Introdução à Computação Gráfica
Visão Geral Computaçã ção o Gráfica Introduçã ção, conceitos básicosb sicos, áreas relacionadas Introdução à Computação Gráfica Como funciona um sistema gráfico Como imagens são representadas Áreas relacionadas,
Visão computacional. Juliana Patrícia Detroz Orientador: André Tavares Silva
Visão computacional Juliana Patrícia Detroz Orientador: André Tavares Silva Visão computacional Tentativa de replicar a habilidade humana da visão através da percepção e entendimento de uma imagem; Fazer
Eco new farmers. Módulo 5 Outras produções biológicas. Sessão 2 Apicultura
Eco new farmers Módulo 5 Outras produções biológicas Sessão 2 Apicultura Módulo 5 Outras produções biológicas Sessão 2 Apicultura www.econewfarmers.eu 1. Introdução Nesta sessão irá aprender como gerir
2. Materiais e Métodos
13 2. Materiais e Métodos Para a realização deste estudo, foram utilizadas duas colônias de Melipona marginata Lepeletier provenientes de Cunha, Mata Atlântica, que, desde 2001, foram mantidas no Laboratório
Universidade Católica Dom Bosco
Universidade Católica Dom Bosco Curso de Bacharelado em Engenharia de Computação Comparação entre Técnicas de Reconhecimento de Faces para Controle de Acesso a Computadores Vinícius Assis Saueia da Silva
MELISSOPALINOLOGIA. Pólen de Asteraceae
MELISSOPALINOLOGIA Dra. Leila Nunes Morgado Departamento de Produção Animal Instituto de Zootecnia Universidade Federal Rural do Rio de Janeiro Imagens: Morgado, L.N. Potes de mel de Tetragonisca angustula
Processamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Transformações de Intensidade Transformações Logarítmicas Comparação entre Diversas Técnicas 2 Transformações de Intensidade
IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS. André Zuconelli 1 ; Manassés Ribeiro 2
IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli 1 ; Manassés Ribeiro 2 INTRODUÇÃO As tecnologias assistivas têm a finalidade de auxiliar pessoas com deficiência a alcançar
INFORMAÇÕES DO ACADÊMICO PLANO DE TRABALHO. 1. Justificativa
INFORMAÇÕES DO ACADÊMICO Nome: Kleber Padovani de Souza Curso: Engenharia de Computação Semestre: R.A.: Título do plano de trabalho: Extração de atributos da imagem através de momentos de imagem. Nome
Processamento de Imagens Marcia A. S. Bissaco
Engenharia Biomédica Processamento de Imagens Marcia A. S. Bissaco 1 Exemplos filtros Média Mediana Passa_B Passa_A Borda_H Borda_V Sobel_Y Sobel_X Oliveira, Henrique J. Quintino (UMC-SP), 2 Media Mediana
Espectro polínico de amostras de mel de meliponíneos provenientes do Estado do Paraná
11529 - Espectro polínico de amostras de mel de meliponíneos provenientes do Estado do Paraná Pollen spectrum from honey samples of stingless bee from the state of Parana BORSATO, Débora Maria 1 ; BORSATO,
Fontes do Mel. Fontes naturais do mel. Néctar (Honeydew)(Cana de açúcar
ENIPEC-2008 Mel MAARA- Instrução Normativa nº 11: Entende- se por mel o produto alimentício produzido pelas abelhas melíferas a partir do néctar das flores ou das secreções procedentes de partes vivas
Sistema de Reconhecimento de Logotipos
Sistema de Reconhecimento de Logotipos Fellipe Duarte, Saulo T. Oliveira {duartefellipe,sto}@cos.ufrj.br Relatório Técnico, Introdução ao Processamento de Imagens Programa de Engenharia de Sistemas e Computação
Tópicos Especiais em Reconhecimento de Padrões [2COP329] Mestrado em Ciência da. Sylvio Barbon Jr
Tópicos Especiais em Reconhecimento de Padrões [2COP329] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/20) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Referências
ESTUDO DE TÉCNICAS PARA SOLUÇÃO DE PROBLEMAS DE PROCESSAMENTO DE IMAGENS UTILIZANDO A LINGUAGEM PYTHON
ESTUDO DE TÉCNICAS PARA SOLUÇÃO DE PROBLEMAS DE PROCESSAMENTO DE IMAGENS UTILIZANDO A LINGUAGEM PYTHON Marcus Vinícius Teodoro Silva, Marcos William da Silva Oliveira Instituto Federal de Educação, Ciência
Leitor automático para determinação do grupo sanguíneo por aglutinação
FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO Leitor automático para determinação do grupo sanguíneo por aglutinação Nuno Miguel Duarte Costa PREPARAÇÃO DA DISSERTAÇÃO Mestrado Integrado em Engenharia
DTCOURO - Detecção Automática de Defeitos em Peles e Couros Bovinos
DTCOURO - Detecção Automática de Defeitos em Peles e Couros Bovinos Hemerson Pistori 1, Mauro Conti Pereira 1, Priscila Silva Martins 1, Eva Maria Corrêa Medeiros 2, Manuel Antonio Chagas Jacinto 2, Mariana
DEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS
DEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS * Aluno do curso Tecnologia em Sistemas de Telecomunicações da UTFPR jvrsschaid@gmail.com ** Aluno
INTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM INTRODUÇÃO
INTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM Autores: Giulia Denise Kujat VIEIRA; Milene Karine GUBETTI. Identificação autores: Estudantes do Curso Técnico em Informática
Caracterização da castanha-do-brasil (Bertholletia excelsa Bonpl.) em três regiões extrativistas de Roraima (1).
Caracterização da castanha-do-brasil (Bertholletia excelsa Bonpl.) em três regiões extrativistas de Roraima (1). Gabriella Ferreira de Carvalho (2) ; Maria Fernanda Berlingieri Durigan (3) ; Pedro Vitor
TÍTULO: MONITORAMENTO DO POTENCIAL DA PRODUÇÃO DE PRÓPOLIS NO APIÁRIO DA UNIVERSIDADE ANHANGUERA UNIDERP.
TÍTULO: MONITORAMENTO DO POTENCIAL DA PRODUÇÃO DE PRÓPOLIS NO APIÁRIO DA UNIVERSIDADE ANHANGUERA UNIDERP. CATEGORIA: EM ANDAMENTO ÁREA: CIÊNCIAS EXATAS E DA TERRA SUBÁREA: CIÊNCIAS AGRÁRIAS INSTITUIÇÃO:
Morfologia Matemática: algumas aplicações. Rosana Gomes Bernardo Universidade Federal Fluminense
Morfologia Matemática: algumas aplicações Rosana Gomes Bernardo Universidade Federal Fluminense Introdução Aplicações Motivadoras - Consumo de Gás Natural Roteiro - Placas de Veículos Referências - Cartografia
HxGN AgrOn Production Cultivo inteligente. Conectado. Sincronizado. Otimizado.
HxGN AgrOn Production Cultivo inteligente. Conectado. Sincronizado. Otimizado. Uma solução de gerenciamento inteligente de produção para operações agrícolas corporativas. GERENCIAR COM SUCESSO AS OPERAÇÕES
UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO UFERSA DISCIPLINA: INSPEÇÃO DE PRODUTOS DE ORIGEM ANIMAL
UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO UFERSA DISCIPLINA: INSPEÇÃO DE PRODUTOS DE ORIGEM ANIMAL INSPEÇÃO DE MEL Doutoranda: Carolina de Gouveia Mendes 2012.2 INTRODUÇÃO POA MAPA Mel Instrução Normativa
Visão Computacional. Alessandro L. Koerich. Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR)
Visão Computacional Alessandro L. Koerich Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR) Análise da Imagem Análise da Imagem O algoritmo opera sobre a imagem e extrai
Determinação de vícios refrativos oculares utilizando Support Vector Machines
Determinação de vícios refrativos oculares utilizando Support Vector Machines Giampaolo Luiz Libralão, André Ponce de Leon F. de Carvalho, Antonio Valerio Netto, Maria Cristina Ferreira de Oliveira Instituto
PRODUTIVIDADE DAS COLMEIAS DE
PRODUTIVIDADE DAS COLMEIAS DE Apis mellifera L. EM MUNICÍPIOS DO SERTÃO PARAÍBANO. Anderson Bruno Anacleto de Andrade¹; Rosilene Agra da Silva²; Wellinghton Alves Guedes 1 ; Isidro Patricio de Almeida
Os serviços ecossistêmicos das abelhas
Profa. Dra. Betina Blochtein Pontifícia Universidade Católica do Rio Grande do Sul Escola de Ciências - Programa em Ecologia e Evolução da Biodiversidade Apis mellifera = abelhas africanizadas Mel Própolis
CLÓVIS FERRAZ de OLIVEIRA SANTOS
Variação do tamanho dos grãos de pólen pelo método de acetólise (1) (2) CLÓVIS FERRAZ de OLIVEIRA SANTOS E. S. A. "Luiz de Queiroz" (1) Um resumo dêste trabalho foi apresentado na XII Reunião da Sociedade
Face Recognition using RGB-D Images
Face Recognition using RGB-D Images Helder C. R. de Oliveira N.USP: 7122065 Polyana Nunes N.USP: 9043220 Sobre o Artigo Publication: 2013 IEEE Sixth International Conference Author(s) Goswami, G. (Índia
2 Reconhecimento Facial
2 Reconhecimento Facial Em termos gerais, o reconhecimento facial é o processo pelo qual se mede o grau de similaridade entre duas imagens faciais com o proposito de identificar a um indivíduo ou de verificar
Cuidados a serem tomados para que produtos apícolas tenham qualidade
Cuidados a serem tomados para que produtos apícolas tenham qualidade LIDIANA SOUZA CORREIA LIMA Profa. MSc. IFCE Campus Fortaleza O QUE É QUALIDADE? Conjunto de características de todo produto e serviço,
Aprendizado de Máquina
Aprendizado de Máquina Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Introdução 1 Introdução Aprendizado de Máquina Extração de conhecimento. Automatização de tarefas. Tomada de Decisões.
¹Acadêmicos do Curso de Engenharia Ambiental UTFPR. Campus Campo Mourão Universidade Tecnológica Federal do Paraná - UTFPR BR 369 km 0,5
FONTES DE PÓLEN UTILIZADAS POR Tetragonisca angustula Latreille (HYMENOPTERA: APIDAE) NO CÂMPUS DA UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ, CAMPO MOURÃO Thaís Luana Grzegozeski [voluntária]¹, Samara
Visão Computacional e Aplicações
Visão Computacional e Aplicações João do E. S. Batista Neto Instituto de Ciências Matemáticas e de Computação ICMC-USP Domício Pinheiro Agência Estado fica á r G o utaçã p m o C Vis ã oc om pu t ac ion
Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra. Padrões e processos em Dinâmica de uso e Cobertura da Terra
Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra Padrões e processos em Dinâmica de uso e Cobertura da Terra Introdução 1 2 3 4 Capacidade de Armazenamento X Análise e Interpretação
PLANO DE TRABALHO: DISCIPLINA OPTATIVA PROCESSAMENTO DE IMAGENS MÉDICAS
PLANO DE TRABALHO: DISCIPLINA OPTATIVA PROCESSAMENTO DE IMAGENS MÉDICAS PROFESSOR: Alexei Manso Correa Machado 1. EMENTA Percepção visual. Modalidades de aquisição e reconstrução tomográfica. Amostragem
Visão Computacional. Alessandro L. Koerich. Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR)
Visão Computacional Alessandro L. Koerich Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR) Processamento da Informação Capturei uma Imagem! E agora? Assumindo que
Como ter sucesso em empreendimentos apícolas. Manoel Eduardo Tavares Ferreira Apis Flora
Como ter sucesso em empreendimentos apícolas Manoel Eduardo Tavares Ferreira Apis Flora Agenda Planejamento da Atividade Apícola Aspectos Tecnológicos Aspectos Humanos Aspectos Financeiros Aspectos Mercadológicos
Aprendizado de Máquina
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCENS UFES Departamento de Computação Aprendizado de Máquina Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
CRIAÇÃO DE ABELHAS NATIVAS SEM FERRÃO (MELIPONICULTURA) NO MUNICÍPIO DE VISTA GAÚCHA. DIOGO CANSI
CRIAÇÃO DE ABELHAS NATIVAS SEM FERRÃO (MELIPONICULTURA) NO MUNICÍPIO DE VISTA GAÚCHA. DIOGO CANSI Orientadora: Prof. Dr. Rumi Regina Kubo Coorientador: Tutor Msc. Lucas Oliveira do Amorim INTRODUÇÃO Estre
PMR2560 ELEMENTOS DE ROBÓTICA 2016 TRABALHO DE VISÃO COMPUTACIONAL CALIBRAÇÃO DE CÂMERAS E VISÃO ESTÉREO
PMR2560 ELEMENTOS DE ROBÓTICA 2016 TRABALHO DE VISÃO COMPUTACIONAL CALIBRAÇÃO DE CÂMERAS E VISÃO ESTÉREO Esse trabalho consiste de três partes. Na primeira parte do trabalho você vai calibrar duas câmeras
P L A N O D E T R A B A L H O
P L A N O D E T R A B A L H O Título do Projeto: Visão Computacional e Aprendizagem Automática para Aplicações em Agropecuária e Ciências Forenses. Título do Plano de trabalho: Rumicam: Módulo para análise
Ciência Viva Estágio de Apicultura
Ciência Viva Estágio de Apicultura 25 a 29 Junho 2012 Trabalho realizado por: Marc Patrick Pousa do Rosário Flávio Daniel Menezes Bártolo Diogo Henrique Ferreira Zambujo Orientação: Doutora Teresa Vasconcelos
INF Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza
INF2608 - Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza Trabalho 02 Visualização de Imagens Sísmicas e Detecção Automática de Horizonte Resumo Este trabalho
Segmentação baseada em Textura e Watershed aplicada a Imagens de Pólen
1 Segmentação baseada em Textura e Watershed aplicada a Imagens de Pólen Wesley Tessaro Andrade, Lia Nara Balta Quinta, Ariadne Barbosa Gonçalves, Marney Pascoli Cereda e Hemerson Pistori Grupo INOVISAO
Criação de abelhas (Apicultura)
Empresa Brasileira de Pesquisa Agropecuária Embrapa Meio-Norte Ministério da Agricultura, Pecuária e Abastecimento Criação de abelhas (Apicultura) 2ª edição revista e atualizada Embrapa Brasília, DF 2016
"Análise de Extratores de Característica para Reconhecimento de Face"
Universidade Federal de Pernambuco Centro de Informática Graduação em Engenharia de Computação Proposta de Trabalho de Graduação "Análise de Extratores de Característica para Reconhecimento de Face" Orientador: