Rede neural artificial e processamento digital de uma imagem para reconhecimento de folha de duas espécies da família Plectranthus

Abstract

O uso de plantas com ações comprovadas no tratamento de doenças é uma realidade social presente na cidade de Parnaíba-PI, cujo projeto de horto medicinal Farmácia Viva encarrega-se de difundir. O processo de reconhecimento e classificação dessas plantas demandam análises e métodos que garantam que a espécie tenha realmente esse uso. A aplicação de técnicas computacionais para automação das atividades de reconhecimento de plantas motivou esta pesquisa. As Redes Neurais Artificiais em conjunto com Processamento Digital de Imagens proporcionam uma alta capacidade em resolução de problemáticas de reconhecimento de padrões, sendo possível encontrar diversas aplicações que usam estas técnicas em conjunto. O horto da Farmácia Viva conta com dois espécimes da mesma família que apresentam características semelhantes entre si e aplicações médicas distintas. Objetivou-se desenvolver um estudo sobre processamento digital de imagens e redes neurais artificiais para automação do processo de identificação e catalogação das espécies por meio do órgão foliar (limbo e pecíolo), extraindo características anatômicas e morfológicas que compõe as amostras, usando o conjunto de informações adquiridas como parâmetros de entrada de uma rede neural artificial do tipo Perceptron Multicamadas. Obteve-se um conjunto de amostras, por meio de coleta, ao visitar o projeto de socialização de plantas medicinais, onde se coletou folhas das duas espécies da família Plectranthus. Por comparações entre os espécimes e técnicas de processamento de imagem, foi possível a obtenção dos dados característicos de cada planta, que foram utilizados como parâmetros de treinamento, validação e teste da rede neural artificial. Os resultados alcançados mostraram-se satisfatórios, levando em consideração as técnicas e procedimentos usados por outros pesquisadores sobre a mesma perspectiva, encontrados na literatura. A Rede Neural Perceptron Multicamadas alcançou a taxa de acerto equivalente a 96,15% para o conjunto de teste, confirmando a relação do conjunto de caraterísticas selecionadas e a eficiência da técnica de inteligência computacional escolhida.