"Ciências Básicas para o Desenvolvimento Sustentável"
24 a 26 de outubro de 2023
Trabalho 19258
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Ciência da computação |
| Setor | Instituto de Ciências Exatas e Tecnológicas - Campus Rio Paranaíba |
| Bolsa | FAPEMIG |
| Conclusão de bolsa | Sim |
| Apoio financeiro | FAPEMIG |
| Primeiro autor | Reinaldo Gonçalves Pereira Neto |
| Orientador | JOAO FERNANDO MARI |
| Título | Análise de qualidade de grãos de café por meio de imagens digitais e técnicas e aprendizado profundo |
| Resumo | A qualidade do café pode ser determinada por características como cor, morfologia e tamanho dos grãos. No entanto, a análise visual realizada por seres humanos apresenta limitações devido à subjetividade do processo. 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, podendo superar a acurácia dos especialistas humanos.O objetivo deste projeto é testar e avaliar métodos baseados em deep learning, como redes neurais convolucionais (CNNs) e modelos baseadas em mecanismos de atenção, para a classificação de grãos de café, tanto verdes quanto torrados. Diferentes modelos, como AlexNet, ResNet e ViT, foram testados, utilizando-se diversas estratégias de treinamento, otimização de hiperparâmetros e aumento de dados. Foram utilizados dois conjuntos de imagens: o USK-COFFEE DATASET, composto por quatro classes de grãos verdes, totalizando 2000 imagens por classe, e o Coffee Bean Dataset Resized, contendo 1600 imagens de grãos torrados, também organizadas em quatro classes. A metodologia adotada envolveu a divisão das imagens em conjuntos de treino, validação e teste. Os modelos de classificação foram treinados usando o conjunto de treino, enquanto os hiperparâmetros foram otimizados com base no conjunto de validação. O desempenho dos modelos foi avaliado utilizando métricas como acurácia, precisão e recall, calculadas sobre conjuntos de validação e testes. Os resultados obtidos neste estudo permitiram identificar quais modelos apresentaram melhor desempenho na classificação dos grãos de café, bem como as estratégias de treinamento mais adequadas, incluindo transferência de aprendizado, aumento de dados e otimização de hiperparâmetros. A classificação automática dos grãos de café oferece uma abordagem que reduz a subjetividade da avaliação humana e permite uma análise em escala maior, possibilitando a avaliação de centenas ou milhares de imagens em um curto período de tempo. Trabalhos futuros estão direcionados para a construção de soluções de classificação automática de grãos de café, visando sua aplicação no processo de produção dos cafés. Espera-se que essa pesquisa contribua para o avanço da área, fornecendo ferramentas úteis baseadas em técnicas de deep learning e processamento de imagens para a classificação de grãos de café, promovendo melhorias na qualidade e mais eficiência da produção de café de alta qualidade. |
| Palavras-chave | classificação de imagens, deep learning, qualidade do café |
| Forma de apresentação..... | Vídeo |
| Link para apresentação | Vídeo |
|---|