Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufu.br/handle/123456789/34562
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.creatorArroyo, Victória Hebling-
dc.date.accessioned2022-04-06T13:22:31Z-
dc.date.available2022-04-06T13:22:31Z-
dc.date.issued2022-02-03-
dc.identifier.citationARROYO, 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.2022.71pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/34562-
dc.description.abstractIn 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.pt_BR
dc.description.sponsorshipCNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológicopt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectVisão computacionalpt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectRedes neuraispt_BR
dc.subjectComputer Visionpt_BR
dc.subjectMachine Learningpt_BR
dc.subjectNeural Networkspt_BR
dc.titleVisão computacional e outras técnicas de aprendizado de máquina aplicada ao processamento de frutas na produção de sucospt_BR
dc.title.alternativeComputer vision and other machine learning techniques applied to fruit processing in juice productionpt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Coutinho Filho, Ubirajara-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6765133716503854pt_BR
dc.contributor.referee1Kunigk, Leo-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/0902845937132351pt_BR
dc.contributor.referee2Gedraite, Rubens-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9579409657715325pt_BR
dc.contributor.referee3Neiro, Sergio Mauro da Silva-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/2413961078748680pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/5931465161838828pt_BR
dc.description.degreenameDissertação (Mestrado)pt_BR
dc.description.resumoNa 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-graduação em Engenharia Químicapt_BR
dc.sizeorduration100pt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.identifier.doihttp://doi.org/10.14393/ufu.di.2022.71pt_BR
dc.orcid.putcode111079469-
dc.crossref.doibatchideb19df5b-7029-48bd-a53b-06022b145932-
dc.subject.autorizadoEngenharia químicapt_BR
dc.subject.autorizadoAnálise de imagem - Processamento eletrônico de dadospt_BR
dc.subject.autorizadoSuco de laranja - Indústria - Brasilpt_BR
dc.subject.autorizadoFrutas cítricas - Tecnologia pós-colheitapt_BR
dc.description.embargo2024-04-01-
Aparece en las colecciones:DISSERTAÇÃO - Engenharia Química

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
VisãoComputacionalE.pdfDissertação6.2 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons