Desenvolvimento de uma aplicação Android para o Jardim Botânico da UTAD
Data
2019-09-17
Autores
Título da revista
ISSN da revista
Título do Volume
Editora
Resumo
O uso de Inteligência Artificial nos mais diversos domínios de classificação e apoio às atividades diárias do ser humano é uma tendência emergente. O apoio à classificação automática de espécies botânicas não é excepção , especialmente se este conhecimento estiver rapidamente acessível através de um smartphone. Aliar a Inteligência Artificial ao smartphone motiva esta dissertação, levando a propor uma aplicação de classificação de espécies. Esta dissertação tem como objetivo principal o desenvolvimento de uma APP para sistema Android de apoio à identificação automática de espécies botânicas a partir de fotografias. Esta APP está especialmente dirigida para os entusiastas de botânica ou visitantes que pretendam explorar o jardim botânico da UTAD, prevendo vários tipos de utilizadores. Para demonstração da APP desenvolvida, foi recolhida uma base de dados com 18 616 imagens de 17 espécies do jardim botânico da UTAD. Uma rede neuronal Mobilenet foi treinada com transfer learning e embebida na APP desenvolvida em formato TensorFlow Lite. Dos quatro modelos treinados, considera-se que o primeiro modelo (Ensaio 1), com uma precisão de 97,3% , é o que apresenta melhores resultados, logo seria este modelo a inserir na aplicação. Os modelos apresentaram mais dificuldades em classificar espécies muito similares como as Abies nordmanniana e Picea Abies. A aplicação foi testada com sucesso em campo, com utilizadores, possuindo as funcionalidades propostas nos objetivos. Desenvolvimentos futuros passam pela melhoria do treino da rede e aumento do número de espécies a classificar
The use of Artificial Intelligence in the most diverse domains of classification and support in the daily activities of the human being is an emerging trend. The support for the automatic identification of botanical species is no exception, motivating this dissertation, leading to the proposition of this classification application. This dissertation has as main objective the development of an APP for Android system to support the automatic identification of botanical species from photographs. This APP is especially aimed at botany enthusiasts or visitors wishing to explore the UTAD botanical garden, providing for various types of users. For demonstration of the developed APP, a database with 18 616 images of 17 species from UTAD’s botanical garden was collected. A Mobilenet neuronal network was trained with transfer learning and embedded in the APP developed in TensorFlow Lite format. Of the four trained models, it is considered that the first model (Trial 1) has the best results, with an accuracy of 97,3%, so this model would be inserted in the application. The models had more difficulty classifying similar species as Abies nordmannianaand Picea Abies. The application was successfully tested in the field, with users, having the features proposed in the objectives. Future developments include improving network training and increasing the number of species to classify.
The use of Artificial Intelligence in the most diverse domains of classification and support in the daily activities of the human being is an emerging trend. The support for the automatic identification of botanical species is no exception, motivating this dissertation, leading to the proposition of this classification application. This dissertation has as main objective the development of an APP for Android system to support the automatic identification of botanical species from photographs. This APP is especially aimed at botany enthusiasts or visitors wishing to explore the UTAD botanical garden, providing for various types of users. For demonstration of the developed APP, a database with 18 616 images of 17 species from UTAD’s botanical garden was collected. A Mobilenet neuronal network was trained with transfer learning and embedded in the APP developed in TensorFlow Lite format. Of the four trained models, it is considered that the first model (Trial 1) has the best results, with an accuracy of 97,3%, so this model would be inserted in the application. The models had more difficulty classifying similar species as Abies nordmannianaand Picea Abies. The application was successfully tested in the field, with users, having the features proposed in the objectives. Future developments include improving network training and increasing the number of species to classify.
Descrição
Dissertação submetida à UNIVERSIDADE DE TRÁS-OS-MONTES E ALTO DOURO para obtenção do grau de MESTRE
Palavras-chave
Android , TensorFlow