Streamlined approaches for image classification using principal component analysis and hierarchical clustering of extrudates from coffee and sorghum blends.
Streamlined approaches for image classification using principal component analysis and hierarchical clustering of extrudates from coffee and sorghum blends.
Resumo: This article describes simple methods to group images including principal component analysis (PCA) and hierarchical clustering of principal components (HCPC). Images of expanded and low expanded extrudates were processed using two optimization alternatives: a) image size reduction (from 2126 to 25 pixels); and b) grayscale conversion before size reduction. After applying PCA and HCPC, all tests yielded consistently similar results with the same PCA distribution and identical HCPC groups. Furthermore, expanded and low expanded extrudates formed groups with their respective peers. The RAM allocated to images and the time required to process them was reduced from 1727 Mb to less than 5 Mb and from ~ 2000s to just 0.1s, respectively. These results demonstrate the e feasibility of using these two simple multivariate statistical techniques for image classification.
Ano de publicação: 2023
Tipo de publicação: Artigo de periódico
Unidade: Embrapa Agroindústria de Alimentos
Observações
1 - Por padrão são exibidas publicações dos últimos 20 anos. Para encontrar publicações mais antigas, configure o filtro ano de publicação, colocando o ano a partir do qual você deseja encontrar publicações. O filtro está na coluna da esquerda na busca acima.
2 - Para ler algumas publicações da Embrapa (apenas as que estão em formato ePub), é necessário ter, no celular ou computador, um desses softwares gratuitos. Sistemas Android: Google Play Livros; IOS: iBooks; Windows e Linux: software Calibre.
Acesse outras publicações
Acesse a Base de Dados da Pesquisa Agropecuária (BDPA) para consultar o acervo completo das bibliotecas da Embrapa.