Das Montanhas de Minas ao Oceano : Os Caminhos da Ciência para um futuro sustentável
20 a 24 de outubro de 2025
Trabalho 20951
| Instituição | Universidade Federal de Viçosa |
|---|---|
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Dimensões Sociais: ODS2 |
| Setor | Instituto de Ciências Exatas e Tecnológicas |
| Bolsa | PIBIC/CNPq |
| Conclusão de bolsa | Sim |
| Apoio financeiro | CNPq |
| Primeiro autor | Bernardo Silva Ribeiro Duarte |
| Orientador | ALAN DIEGO AURELIO CARNEIRO |
| Outros membros | PEDRO MOISES DE SOUSA |
| Título | Análise da qualidade dos grãos de café usando redes neurais convolucionais |
| Resumo | A qualidade do café é tradicionalmente avaliada por características visuais como cor, morfologia e tamanho dos grãos. No entanto, a análise manual apresenta limitações. Nesse contexto, os métodos baseados em deep learning têm se destacado como o estado da arte em tarefas de reconhecimento visual e classificação de imagens, este projeto visa aplicar esses métodos, como redes neurais convolucionais (CNNs) e juntamente com a aplicação de técnicas de processamento de imagens, para melhorar a análise da qualidade dos grãos de café, buscando superar a acurácia de especialistas humanos. Pretendemos realizar uma comparação de modelos pré-treinados, sendo elas, AlexNet e DenseNet, usando o conjunto de dados Small Optical Sorter neste trabalho, que é composto por imagens de grãos de café em formato JPG e codificação RGB, divididas igualmente entre grãos "good" e "bad". Além do Small Optical Sorter, a pesquisa considerou outros conjuntos de dados públicos, como o USK-COFFEE DATASET e o Coffee Bean Dataset Resized, mas foi decidido utilizar esse conjunto de dados, buscando o uso de um novo conjunto de dados. Os processos de treinamento, teste e validação do modelo serão realizados com uma divisão 80/10/10 das imagens obtidas. O desempenho dos modelos foi avaliado usando métricas como Acurácia, Sensibilidade, Precisão e Curvas ROC. Os resultados esperados incluem a identificação dos modelos com melhor desempenho e as estratégias de treinamento mais eficazes, como transferência de aprendizado, aumento de dados e otimização de hiperparâmetros. A classificação automática dos grãos de café visa reduzir a subjetividade da avaliação humana e permitir uma análise em larga escala, processando centenas ou milhares de imagens em pouco tempo. Futuros trabalhos focarão na construção de soluções para aplicação no processo de produção de cafés, buscando avanços na área e promovendo melhorias na qualidade e eficiência da produção de café de alta qualidade. Espera-se que os resultados demonstrem as melhores redes neurais para a classificação de grãos de café por imagens digitais, contribuindo para a automação da avaliação de qualidade, reduzindo erros humanos. |
| Palavras-chave | Café, Rede Neural, classificação. |
| Apresentações |
|
Clique na forma de apresentação para ver a apresentação.
| Link para apresentação | Painel |
|---|