Skip navigation
Please use this identifier to cite or link to this item: http://repositorio.unb.br/handle/10482/4958
Files in This Item:
File Description SizeFormat 
Dissertacao_Carmen_Bittencourt.pdf959,71 kBAdobe PDFView/Open
Title: Classificação automática do acabamento de gordura em imagens digitais de carcaças bovinas
Authors: Bittencourt, Carmen Dalla Rosa
Orientador(es):: Ladeira, Marcelo
Coorientador(es):: Borges, Díbio Leandro
Assunto:: Processamento de imagens - técnicas digitais
Redes neurais (Computação)
Ciência da computação
Issue Date: 9-Jun-2010
Citation: BITTENCOURT, Carmen Dalla Rosa. Classificação automática do acabamento de gordura em imagens digitais de carcaças bovinas. 2009. 70 f. Dissertação (Mestrado em Informática)-Universidade de Brasília, Brasília, 2009.
Abstract: No Brasil, a classificação do acabamento de gordura em carcaças bovinas é realizada por meio de inspeção visual de regiões predefinidas da carcaça, feita por um profissional habilitado, seguindo os critérios estabelecidos na Portaria N.o 612/89 do Ministério da Agricultura, Pecuária e Abastecimento. O acabamento é classificado em cinco categorias, de 1 a 5. Esse método, por ser subjetivo, é mais propenso a ocorrência de erros de classificação. Essa pesquisa propõe uma metodologia para aquisição de imagens digitais de carcaças bovinas durante o abate e a classificação automática do acabamento de gordura das carcaças. A metodologia proposta é baseada no uso de redes neurais artificiais e compreende duas fases distintas. A primeira delas, consiste no uso de uma rede MLP com treinamento Levenberg - Marquardt para segmentação das regiões de gordura. A segunda consiste em usar uma rede MLP com treinamento de retropropagação do erro para classificar a carcaça em relação ao acabamento da gordura. Os resultados obtidos foram o desenvolvimento do protótipo de aquisição de imagens de carcaças bovinas, o uso de redes neurais para segmentar a gordura em imagens digitais das carcaças obtidas sem a utilização de artifícios de intervenção no processo de abate e a proposição de um classificador neural com acurácia de 86% na classificação do acabamento de gordura. Para a realização dessa pesquisa, até o momento foram coletadas 4.710 imagens de carcaças bovinas, utilizando o protótipo desenvolvido. _________________________________________________________________________________ ABSTRACT
In Brazil, the classification of fat layer of bovine carcasses has to follow the Regulation Act number 612/89 from the Ministry of Agriculture (MAPA). There are five class of fat layer, growing from 1 to 5. This process is performed by mean of visual and subjective observation of specific regions of the carcass, done by a technician during the bovine slaughter process inside the meat industries. The technician is certified by the MAPA. This paper proposes a methodology for automatic classification of the fat layer in bovine carcasses based on two steps. The first one uses an artificial neural network to segment the fat regions of digital image of bovine carcasses. This artificial neural network is a MLP training with the Levenberg - Marquardt algorithm. The imagens have been gathered with no intervention in the process of slaughter. The second step comprises the proposal of a classifier of the fat layers in bovine carcasses based on both a MLP backpropagation artificial neural network and the Regulation Act 612/89 of the Ministry of Agriculture. Until now, the results obtained were the proposal of a functional prototype for image acquisition of carcasses during the slaughter process and the performance level of 86% of accuracy in a experimental evaluation for the fat layers classifier based on artificial neural network. For the purposes of this research so far were collected 4,710 images of bovine carcasses, using the prototype developed.
Description: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2009.
Appears in Collections:CIC - Mestrado em Informática (Dissertações)

Show full item record Recommend this item " class="statisticsLink btn btn-primary" href="/handle/10482/4958/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.