Use este identificador para citar ou linkar para este item:
http://repositorio.upf.br/handle/riupf/2093
Tipo: | Trabalho de Conclusão de Curso |
Título: | Modelagem de dados introdutória para predição do estado dos grãos de trigo através de análises multiespectrais |
Autor(es): | Zanini, Eduarda |
Primeiro Orientador: | Zanatta, Alexandre Lazaretti |
Resumo: | Este trabalho teve como objetivo um estudo introdutório aplicado na agricultura, sobre modelagem de dados para predizer o estado dos grãos de trigo através da análise multiespectral do sensor AS7265x. Foram analisadas 10 amostras comerciais e 1 amostra sadia de grãos de trigo. Dentre amostras comerciais, 8 estão contaminadas com desoxinivalenol (DON). Foram coletadas 50 leituras de cada amostra, totalizando 550 entradas de dados. O trabalho faz uma análise do desempenho dos algoritmos supervisionados de machine learning: k- nearest neighbors, support vector machine e random forest. Como resultado, o algoritmo random forest teve o melhor desempenho entre os 3. Com base nos resultados conclui-se que, esta solução é um primeiro passo para ajudar um produtor de trigo no processo de tomada de decisão. |
Resumo Alternativo: | This work aimed at an introductory study applied in agriculture, concerning data modeling to predict the condition of wheat grains through multispectral analysis of the AS7265x sensor. Ten commercial samples and 1 healthy sample of wheat grains were analyzed. Among commercial samples, 8 of them are contaminated with deoxynivalenol (DON). Fifty readings were collected from each typifying, totaling 550 data inputs. The paper does a performance analysis of supervised machine learning algorithms: k- nearest neighbors, support vector machine and random forest. As a result, the random forest algorithm had the highest performance among the 3. From the results, we conclude that this solution is a first step to help a wheat farmer in the decision-making process. |
Palavras-chave: | Ciência da Computação Modelagem de dados Machine learning Machine learning Support vector machine Random forest |
Idioma: | por |
País: | Brasil |
Editor: | Universidade de Passo Fundo |
Sigla da Instituição: | UPF |
Faculdade, Instituto ou Departamento: | Instituto de Ciências Exatas e Geociências - ICEG |
Citação: | ZANINI, Eduarda. Modelagem de dados introdutória para predição do estado dos grãos de trigo através de análises multiespectrais. 2021. 18 f. Artigo de Conclusão de Curso (Bacharel em Computação). Curso de Computação. Universidade de Passo Fundo, Passo Fundo, 2021. |
Tipo de Acesso: | Acesso Aberto |
URI: | http://repositorio.upf.br/handle/riupf/2093 |
Data do documento: | 5-Jul-2021 |
Aparece nas coleções: | ICEG - Curso de Ciência da Computação - Trabalhos de Conclusão de Curso de Graduação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
PF2021Eduarda Zanini.pdf | Trabalho Final de Graduação Eduarda Zanini | 909,96 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.