Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/34562
ORCID: | http://orcid.org/0000-0003-4526-5005 |
Document type: | Dissertação |
Access type: | Acesso Aberto Attribution-NonCommercial-NoDerivs 3.0 United States |
Embargo Date: | 2024-04-01 |
Title: | Visão computacional e outras técnicas de aprendizado de máquina aplicada ao processamento de frutas na produção de sucos |
Alternate title (s): | Computer vision and other machine learning techniques applied to fruit processing in juice production |
Author: | Arroyo, Victória Hebling |
First Advisor: | Coutinho Filho, Ubirajara |
First member of the Committee: | Kunigk, Leo |
Second member of the Committee: | Gedraite, Rubens |
Third member of the Committee: | Neiro, Sergio Mauro da Silva |
Summary: | Na indústria, avaliações como textura, cor e tamanho dos alimentos são realizadas manualmente, no entanto, esta forma de inspeção é subjetiva e tediosa, sendo assim, a fim de gerar consistência nos resultados, outras técnicas passaram a ser desenvolvidas, como a visão computacional e aprendizado de máquina. Deste modo, utilizando-se estas técnicas, o objetivo desta dissertação é desenvolver um sistema de aquisição de imagens destinado à avaliar Brix, Volume de suco e pH das laranjas. Portanto, a metodologia deste trabalho consistiu em fotografar laranjas Pera Rio, coletar informações relativas à estas laranjas e posteriormente configurar redes neurais feedforward com backpropagation e redes convolucionais. Os resultados mostram que é possível analisar o volume de suco a partir do comprimento das laranjas, largura das laranjas e dispositivo de seleção de laranjas. Além disso, observou-se que as redes convolucionais utilizadas para classificar laranjas quanto ao Brix e ao pH não se mostraram satisfatórias, enquanto que o uso de rede neurais do tipo feedforward com variáveis de entrada obtidas da análise de textura de matriz de co-ocorrência de escala cinza extraída da cor verde foram satisfatórias para classificar o pH e o Brix. |
Abstract: | In the industry, evaluations such as texture, color and size of foods are performed manually, however, this form of inspection is subjective and tedious, thus, in order to generate consistency in the results, and other techniques have been developed, such as computer vision and machine learning. Thus, using these techniques, the objective of this dissertation is to develop an image acquisition system to evaluate Brix, juice volume and pH of oranges. Therefore, the methodology of this work consisted in photographing Pera Rio oranges, collecting information about these oranges and then configuring feedforward neural networks with backpropagation and convolutional networks. The results show that it is possible to analyze the volume of juice from the length of the oranges, width of the oranges and orange selection device. Furthermore, it was observed that the convolutional networks used to classify oranges for Brix and pH were not satisfactory, while the use of feedforward type neural network with input variables obtained from gray scale co-occurrence matrix texture analysis extracted from green color were satisfactory to classify pH and Brix. |
Keywords: | Visão computacional Aprendizado de máquina Redes neurais Computer Vision Machine Learning Neural Networks |
Area (s) of CNPq: | CNPQ::ENGENHARIAS |
Subject: | Engenharia química Análise de imagem - Processamento eletrônico de dados Suco de laranja - Indústria - Brasil Frutas cítricas - Tecnologia pós-colheita |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Uberlândia |
Program: | Programa de Pós-graduação em Engenharia Química |
Quote: | ARROYO, Victória Hebling. Visão computacional e outras técnicas de aprendizado de máquina aplicada ao processamento de frutas na produção de sucos. 2022. 100 f. Dissertação (Mestrado em Engenharia Química) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI: http://doi.org/10.14393/ufu.di.2022.71 |
Document identifier: | http://doi.org/10.14393/ufu.di.2022.71 |
URI: | https://repositorio.ufu.br/handle/123456789/34562 |
Date of defense: | 3-Feb-2022 |
Appears in Collections: | DISSERTAÇÃO - Engenharia Química |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
VisãoComputacionalE.pdf | Dissertação | 6.2 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License