Processamento de imagens em sementes com seu uso na análise de qualidade é uma resposta rápida para algo desafiador e laborioso. Contudo, as técnicas de aprendizado de máquinas surgem como alternativa de predição e classificação por meio de processamento de imagens, com eficiência e rapidez nos resultados de controle da qualidade nas etapas de pós-colheita de sementes. Objetivou-se relatar a inserção de processamento de imagem com inteligência artificial na área de sementes. Vários modelos de aprendizados de máquinas são propositos de investigação para melhorar as respostas de alvos trabalhosos e de elevada quantidade de dados. Estudos de aprendizados profundo na área de sementes oferece resultados promissores e tem grande potencial.
In the quality analysis, alternatives for seed imaging are a quick response to something challenging and laborious. However, machine learning techniques emerge as an alternative for prediction and classification by image processing, with efficiency and speed of results under control of quality at the post-seed harvest stages. The objective was to report the insertion of image processing with artificial intelligence in the seed area. Various machine learning models are purposes of the investigation to improve the responses of laborious and data-intensive targets. Deep learning studies in seeds offer promising results and have great potential.
