Este artigo apresenta um método baseado em imagem digital e análise multivariada para classificação de sementes de mamona com respeito ao tipo de cultivar. Para este propósito, dois grupos de sementes comumente empregadas nas plantações brasileiras foram avaliados: cultivares BRS Nordestina e BRS Paraguaçu (grupo I), cultivar BRS Energia e o genótipo CNPA 2009-7 (grupo II). Imagens destes dois grupos foram registradas usando uma webcam e a distribuição de frequência de índices de cores nos canais vermelho-verde-azul, matiz, saturação, intensidade e tons de cinza foi obtida. A análise discriminante pelos mínimos quadrados parciais (PLS-DA) e análise discriminante linear foram aplicadas separadamente para cada grupo de semente. Os melhores resultados foram obtidos usando o modelo PLS-DA, o qual classificou corretamente 97,5% e 98,8% das amostras de predição para o grupo I e II, respectivamente. O método proposto é simples, rápido, não destrutivo e de baixo custo.

This paper presents a method based on digital imaging and multivariate analysis for the classification of castor seeds with respect to the cultivar type. For this purpose, two seed groups most commonly employed on Brazilian plantations were evaluated: BRS Nordestina and BRS Paraguaçu cultivars (group I) and BRS Energia cultivar and CNPA 2009-7 genotype (group II). Images of these two different seed groups were recorded from a webcam and the frequency distribution of color indexes in the red-green-blue (RGB), hue (H), saturation (S), intensity (I), and grayscale channels were obtained. Pattern recognition methods based on partial least squares-discriminant analysis (PLS-DA) and linear discriminant analysis (LDA) were applied separately to each seed group. The best results were obtained by using the PLS-DA model, which correctly classified 97.5% and 98.8% of the prediction samples for groups I and II, respectively. The proposed method is simple, fast, non-destructive and non-expensive.

Uma simplificação no SPA-LDA é proposta para contornar a necessidade de conjuntos de treinamento e validação separados. O número de graus de liberdade é empregado na função de custo para evitar sobreajuste do modelo. Três exemplos são apresentados: classificação de cafés, diesel e óleos vegetais empregando espectrometria UV-Vis, NIR e voltametria, respectivamente

A simplification in SPA-LDA is proposed to circumvent the need for separate training and validation sets. The number of degrees of freedom is employed in the cost function to avoid model overfitting. Three examples are presented: classification of coffee, diesel and vegetable oils by using UV-Vis spectrometry, NIR spectrometry and voltammetry, respectively.