Banca de DEFESA: JOÃO CÉLIO LUNA DE CARVALHO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : JOÃO CÉLIO LUNA DE CARVALHO
DATA : 29/07/2025
HORA: 09:00
LOCAL: Google meet
TÍTULO:

Desenvolvimento de um sistema de visão computacional para seleção de produtos agrícolas a partir da aplicação de redes neurais convolucionais.

PALAVRAS-CHAVES:

Image processing; machine learning; quality of agricultural products.

PÁGINAS: 95
RESUMO:

A demanda por produtos de hortícolas de qualidade, corretamente classificados e selecionados, aumentam conforme o crescimento da produção alimentícia e da população mundial. Para auxiliar nesta atividade, a aplicação da inteligência artificial, com redes neurais e processamento de imagens, tem se tornado cada vez mais comum. A destinação dada pela indústria aos produtos agrícolas em geral depende de padrões de qualidade, e equipamentos focados na classificação e seleção destes ainda são escassas em território nacional As Redes Neurais Convolucionais (CNN) são uma subdivisão das redes neurais profundas, dedicadas ao processamento de imagens de uma maneira mais rápida e eficiente. Portanto, o objetivo desse projeto foi criar um dispositivo capaz de utilizar um sistema de visão computacional associada a Redes Neurais Convolucionais (CNN) para classificar produtos agrícolas em função de atributos de qualidade, como presença de injúrias no epicarpo, nível de maturação e variedades, seja em ambientes de iluminação controlada ou em campo. A câmara seletora de imagens foi composta por um Raspberry Pi 5 8 Gb acoplado a um módulo de câmera próprio, um monitor LCD e lâmpadas LED para iluminação, com o software para treinamento das CNNs e classificação dos dados armazenados em sua memória interna, composta por um cartão Micro SD de 64GB. Assim, foram formados seis diferentes bancos de dados, em condições de ambiente e iluminação diferentes, visando testar a robustez do algoritmo, e foram utilizadas duas CNNs com arquiteturas definidas, sendo elas a AlexNet e a Mobile Net, treinadas sem pesos previamente distribuídos, e os desempenhos foram comparados com uma CNN de desenvolvimento próprio, construída durante o projeto, intitulada OakMoonNet. A comparação de desempenho foi realizada por meio da avaliação dos parâmetros de Acurácia, Precisão, Sensibilidade (Recall) e f1-score de cada rede neural utilizada. A OakMoonNet apresentou desempenho superior em todos os testes realizados, tanto em tempo, quanto nas métricas de desempenho. O Dispositivo desenvolvido, junto do software e sua interface visual também se mostraram de fácil uso, sendo intuitivo e permitindo o uso amplo de CNNs.  

MEMBROS DA BANCA:
Presidente - 2161955 - ANDERSON GOMIDE COSTA
Interna - 2942088 - JULIANA LOBO PAES
Externo à Instituição - EMANOEL DI TARSO DOS SANTOS SOUSA - UFRPE