Publicação: Redes neurais convolucionais para classificar a maturação de frutos de café
Carregando...
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOTECNIA::MECANIZACAO AGRICOLA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Assis, Gleice Aparecida de, Rinaldi, Paula Cristina Natalina
Resumo
A formação do preço do café é fortemente influenciada pela qualidade dos seus frutos. Essa
qualidade é construída durante o seu desenvolvimento, fornecendo condições de nutrição, clima
e sanidade adequadas. Definir o melhor momento para a colheita é fundamental para assegurar
essa qualidade. O uso da tecnologia na agricultura tem contribuído com produtores rurais para
o desenvolvimento de técnicas de manejo que permitem maior crescimento e desenvolvimento
das lavouras. O objetivo deste trabalho foi desenvolver um método computacional utilizando
redes neurais convolucionais, capaz de identificar frutos de café e sua maturação, que
posteriormente será embarcado em um aplicativo mobile para definir o momento ideal de
colheita do café, auxiliando o produtor na tomada de decisão. O trabalho foi desenvolvido
utilizando imagens de frutos de café de propriedades rurais dos municípios de Romaria-MG e
Monte Carmelo-MG. As imagens foram coletadas acompanhando a maturação fisiológica dos
frutos de café, essas imagens foram analisadas, selecionadas e rotuladas por cinco especialistas,
formando o banco de imagens. Após a criação do banco de imagens foram selecionados três
modelos de redes neurais para serem treinados com as imagens, após ajustes o melhor modelo
foi escolhido para desenvolver os protótipos. Foram desenvolvidos dois protótipos, um
classifica a figura com saída de colher ou não colher e outro classifica os estádios de maturação
dos frutos. Os resultados alcançados através de simulações computacionais foram satisfatórios,
o protótipo colher ou não colher alcançou resultados de acurácia superiores a 92%.
Abstract
The price of coffee is strongly influenced by the quality of its fruits. This quality is built during
its development, by providing adequate nutrition, climate, and health conditions. Defining the
best time to harvest is fundamental to ensure this quality. The use of technology in agriculture
has contributed to the rural producers for the development of management techniques that allow
better growth and development of the plantations. The objective of this work was to develop a
computational method using Convolutional Neural Networks, capable of identifying coffee
fruits and their ripeness, which will later be embedded in a mobile application to define the
ideal time to harvest coffee, helping the producer in the decision-making process. The work
was developed using images of coffee fruits from rural properties in the cities of Romaria-MG
and Monte Carmelo-MG. The images were collected following the physiological maturation of
the coffee fruits. These images were analyzed, selected, and labeled by five specialists, forming
the image bank. After the image bank was created, three neural network models were selected
to be trained with the images. After adjustments, the best model was chosen to develop the
prototypes. Two prototypes were developed, one classifies the image with an output of
harvesting or not harvesting and the other classifies the maturation stages of the fruits. The
results achieved through computer simulations were satisfactory, the harvest or not to harvest
prototype reached accuracy results higher than 92%.
Palavras-chave
MobileNet, MobileNetV2, NASNetMobile, Colheita do Café, Inteligência Artificial, Coffee Harvest, Artificial Intelligence
Citação
SANTOS, Darlisson Medeiros. Redes neurais convolucionais para classificar a maturação de frutos de café. 2022. 63 f. Dissertação (Mestrado em Agricultura e Informações Geoespaciais) - Universidade Federal de Uberlândia, Monte Carmelo, MG, 2022. DOI http://doi.org/10.14393/ufu.di.2021.359
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto