Author:
Mori Adriel L. V.,Galvão Filho Arlindo R.
Abstract
Este trabalho propõe a classificação de quatro espécies de fungos usando Hyperspectral imaging (HSI) e Machine Learning (ML). A técnica HSI, que adquire dados espectrais de forma rápida e não destrutiva, é usada para melhorar a identificação de espécies fúngicas e automatizar processos manuais em produtos microbiológicos. O estudo se concentra na diferenciação de espécies de fungos usando HSI e aprendizado de máquina supervisionado, alcançando uma acurácia de 97,12% com o classificador de rede neural Multilayer Perceptron (MLP). Os resultados destacam o potencial do uso de ML e HSI na diferenciação de espécies de fungos em ambientes clínicos e microbiológicos.
Publisher
Sociedade Brasileira de Computação (SBC)
Reference12 articles.
1. Arrigoni, S., Turra, G., and Signoroni, A. (2017). Hyperspectral image analysis for rapid and accurate discrimination of bacterial infections: A benchmark study. Computers in Biology and Medicine, 88:60–71.
2. Gewali, U. B., Monteiro, S. T., and Saber, E. (2018). Machine learning based hyperspectral image analysis: a survey. arXiv preprint arXiv:1802.08701.
3. Gowen, A. A., Feng, Y., Gaston, E., and Valdramidis, V. (2015). Recent applications of hyperspectral imaging in microbiology. Talanta, 137:43–54.
4. Kingma, D. P. and Ba, J. (2014). Adam: A method for stochastic optimization. arXiv preprint arXiv:1412.6980.
5. Kokka, A., Pulli, T., Honkavaara, E., Markelin, L., Kärhä, P., and Ikonen, E. (2019). Flat-field calibration method for hyperspectral frame cameras. Metrologia, 56(5):055001.