Banca de QUALIFICAÇÃO: JOÃO CÉLIO LUNA DE CARVALHO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : JOÃO CÉLIO LUNA DE CARVALHO
DATA : 14/06/2024
HORA: 09:30
LOCAL: Google meet
TÍTULO:

Aplicação de Redes Neurais Convolucionais para a classificação de frutos em função de atributos de qualidade

PALAVRAS-CHAVES:

Processamento de imagens, aprendizado de máquinas, visão computacional, maturação do tomate, Injúrias em laranja.

PÁGINAS: 30
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. Dentre as principais culturas de maior produção, comercialização e consumo nacional, estão o tomate e a laranja. A destinação dada pela indústria a estes frutos depende de padrões de qualidade, e equipamentos focados na classificação e seleção destes frutos 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 é utilizar um sistema de visão computacional associada a Redes Neurais Convolucionais (CNN) para classificar frutos de tomates e laranjas em função de atributos de qualidades. Os frutos de tomate serão classificados quanto ao seu estado de maturação, enquanto os frutos de laranja serão classificados quanto a presença de injúrias (defeitos). Ambas as classificações seguirão as propostas pela Companhia de Entrepostos e Armazéns Gerais de São Paulo (CEAGESP). Serão utilizados 150 frutos de tomate e 100 frutos de laranja. O sistema de aquisição de imagens será composto por um Raspberry Pi 4 8 Gb acoplado a uma estrutura de baixo custo, junto de um módulo de câmera próprio, um monitor LCD e lâmpadas halógenas para iluminação. A distância entre o módulo de câmera e o fruto será padronizada, e serão capturadas quatro imagens de cada fruto em posições aleatórias, totalizando 1000 imagens. Com o banco de dados formado, serão utilizadas duas CNNs com arquiteturas definidas, sendo elas a AlexNet e a Mobile Net, treinadas sem presos previamente distribuídos, e os desempenhos serão comparados com uma CNN de desenvolvimento próprio, construída durante o projeto, intitulada OakMoonNet. A comparação de desempenho será realizada por meio da avaliação dos parâmetros de Acurácia, Precisão, Sensibilidade (Recall) e f1-score de cada rede neural utilizada. Assim espera-se, com este projeto, desenvolver uma Rede Neural Convolucional de eficiência comparável as CNNs já existentes, sendo mais leve e com um menor tempo de processamento. Também espera-se obter um sistema de visão computacional a partir de modelos baseados em redes neurais convolucionais, capazes de classificar frutos de tomates quanto ao grau de maturação e frutos de laranja em função da presença de injurias no epicarpo.

MEMBROS DA BANCA:
Presidente - 2161955 - ANDERSON GOMIDE COSTA
Interno - 1050615 - MURILO MACHADO DE BARROS
Externo à Instituição - ROBERTO ALVES BRAGA JR - UFLA