Visão computacional para classificar a maturação dos frutos de café no processo de colheita mecanizada

• Ano de defesa: 2023
• Autor(a) principal: Zanella, Marco Antonio
• Orientador(a): Silva, Fábio Moreira da
• Banca de defesa: Ferraz, Gabriel Araújo e Silva, Faria, Rafael de Oliveira, Silva, Evandro Pereira da, Ribeiro, Manassés
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-graduação em Engenharia Agrícola
• Departamento: Departamento de Engenharia
• País: brasil
• Palavras-chave em Português: Maturação; Processamento de imagens; Inteligência artificial; Ripeness; Image processing; Artificial intelligence
• Área do conhecimento CNPq: Máquinas e Implementos Agrícolas
• Link de acesso: https://repositorio.ufla.br/handle/1/56772

O café é um dos produtos agrícolas mais comercializados e consumidos no mundo, fundamental para o desenvolvimento socioeconômico do Brasil. A colheita do café é um processo essencial na cadeia produtiva e, corresponde por aproximadamente metade dos custos totais de produção. Nesse sentido, esta pesquisa teve como objetivo classificar frutos de café quanto ao grau de maturação durante o processo de colheita mecanizada utilizando técnicas de visão computacional. Vídeos dos frutos de café colhidos foram obtidos durante o processo de colheita mecanizada na safra de 2022. A coleta de dados ocorreu sobre a espécie arábica, variedade Bourbon Amarelo, cultivada na Fazenda Cafua no município de Ijaci, localizada na região Sul de Minas Gerais. Para a coleta de imagens, foi desenvolvido um dispositivo instalado sobre a esteira transversal da colhedora, com acoplamento de uma câmera em um suporte para reduzir os efeitos da vibração da colhedora de café e com um sistema iluminação por led para a iluminação dos frutos durante a obtenção dos vídeos. Para o processamento das imagens coletadas foram realizadas duas abordagens, (i) com o desenvolvimento de um algoritmo utilizando técnicas de visão computacional e (ii) utilizando um algoritmo de detecção de objetos de última geração o YOLOv7. O algoritmo de visão computacional foi capaz de detectar e classificar frutos de café de acordo com os seguintes graus de maturação: não maduro e maduro. A precisão média para as classes de maturação do café não maduro e maduro foi de 72% e 70%. Com algoritmo não foi possível classificar os frutos da classe demasiado maduro. O algoritmo de detecção de objetos denominado YOLOv7 foi implementado para a detecção e classificação dos frutos de café em três classes: não maduro, maduro e demasiado maduro. A rede YOLOv7 apresentou capacidade superior com valores de F1-score de 90%, 95% e 75% para as classes não maduro, maduro e demasiado maduro, respectivamente. Com a classificação da maturação dos frutos de café colhidos é possível obter um índice de maturação dos frutos durante o processo de colheita mecanizada. Além disso, os resultados desse estudo podem contribuir para o desenvolvimento de sistema embarcado para ser utilizado na coleta de dados durante a colheita mecanizada do café.