Publicação: Desenvolvimento de modelos neurais para classificação de amostras de cabelo de acordo com a pigmentação, gênero, faixa etária e tratamento químico
Carregando...
Arquivos
Data
2020-10-14
Autores
Orientador
Nascimento, Érica Regina Filletti 
Coorientador
Pós-graduação
Curso de graduação
Engenharia Química - IQ
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (inglês)
Artificial Neural Networks (ANNs) are mathematical functions in which computational techniques are used to obtain information from these functions. Due to the easiness of implementation and learning, ANNs were used for the classification of human hair samples. Human hair, as they have great importance for clinical diagnosis, nutritional analysis and forensic analysis, as well as advantages for stocking, transporting and handling such material. Classifications of hair strands were made according to pigmentation (original and bleached hair), age group (infant, adult and elderly), gender (female and male) and chemical treatment (virgin, bleached, straightening, dyeing and dyeing and straightening), based on 127 samples, chosen by non-invasive analytical techniques, namely wavelength dispersion x-ray fluorescence (WDXRF) and laser-induced breakdown spectroscopy (LIBS). The neural networks were implemented using a MATLAB R2018a nnstart tool, with the staggered conjugated gradient retropropagation algorithm (traincsg), being defined the number of layers and their respective neurons per attempt and to obtain the best result, in addition to early stop training to avoid poor generalization performance. For all classifications defined for 70% of the complete definitions for the training set, 15% for the validation set and 15% for the test set. The results are promising, showing that the developed RNAs are capable of classifying hair samples by the aforementioned parameters, mainly pigmentation based on data by WDXRF with 20 neurons in the middle layer and by LIBS data with 10 neurons in the middle layer, both with 100% accuracy in all sets. The failure to classify some classes, such as age group and chemical treatment, may be due to the small number of samples compared to the others and the complexity of the hair data.
Resumo (português)
As Redes Neurais Artificiais (RNAs) são funções matemáticas em que são utilizadas técnicas computacionais para obter informações a partir destas funções. Devido à sua facilidade de implementação e de aprendizado, utilizaram RNAs para classificar amostras de cabelo humano, pois possuem grande importância para diagnóstico clínico, análise nutricional e perícia, além de vantagens para estocar, transportar e manusear tais amostras. As classificações dos fios de cabelo foram feitas em função da pigmentação (cabelo original e descolorido), faixa etária (infantil, adulto e idoso), gênero (feminino e masculino) e tratamento químico (virgem, descolorido, alisamento, tintura e tintura e alisamento), a partir de dados numéricos de 127 amostras obtidos por técnicas analíticas não invasivas, sendo elas a fluorescência de raios-x por dispersão de comprimento de onda (WDXRF – Wavelenght Dispersive x-ray Fluorescence) e por dados de espectroscopia de quebra induzida por laser (LIBS). As redes neurais foram implementadas utilizando a ferramenta nnstart do MATLAB R2018a, com o algoritmo de retropropagação de gradiente conjugado escalonado (traincsg), sendo definido o número de camadas e os seus respectivos neurônios por tentativa e erro para se obter o melhor resultado, além de parada precoce do treinamento para evitar mau desempenho de generalização. Para todas as classificações foi definido que 70% das amostras totais seriam para o conjunto de treinamento, 15% para o conjunto de validação e 15% para o conjunto de teste. Os resultados se mostraram promissores, evidenciando que as RNAs desenvolvidas são capazes de classificar as amostras de cabelo pelos parâmetros supracitados, principalmente a de pigmentação com a base de dados pelo WDXRF com 20 neurônios na camada intermediária e pelos dados do LIBS com 10 neurônios na camada intermediária, ambas com 100% de acerto em todos os conjuntos. A não classificação de algumas classes, como faixa etária e tratamento químico, pode ser devido a pequena quantidade de amostras em relação às demais e à complexidade dos dados de fio de cabelo
Descrição
Idioma
Português
