Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Ferraz Júnior, Aldrumont
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado de máquina
Candling
Computer vision
Convolutional neural networks
Machine learning
Ovoscopia
Redes neurais convolucionais
Visão computacional
Link de acesso: https://www.teses.usp.br/teses/disponiveis/74/74134/tde-24042025-100716/
Resumo: Nesta dissertação está descrito um método automatizado que estima a massa da casca, gema e clara de ovos de galinha, utilizando visão computacional e inteligência artificial. Foi construído um equipamento de coleta composto por câmera de alta resolução, sistema de iluminação RGBW e controle automatizado via Raspberry Pi, permitindo a captura padronizada de imagens durante o processo de ovoscopia. As imagens coletadas foram associadas a medições físicas precisas das massas dos componentes dos ovos, obtidas por pesagem analítica. Após o pré-processamento, incluindo segmentação e organização em um banco de dados, modelos de redes neurais convolucionais (CNNs) foram treinados para estimar as proporções dos componentes internos. Os resultados indicaram desempenho satisfatório, com erro percentual médio absoluto (MAPE) inferior a 4 para as predições, coeficiente de determinação (R²) de 0,97 para massa total e conteúdo interno, e 0,75 para a massa da clara. A pesquisa valida a hipótese de que o método proposto é eficaz, representando uma solução viável para automação e inspeção na indústria avícola, e sugere melhorias futuras, como a expansão do banco de dados e a aplicação de técnicas mais avançadas de segmentação.
id USP_3a24ba3043dea1fd5b0c7e3cf2efdadc
oai_identifier_str oai:teses.usp.br:tde-24042025-100716
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificialDevelopment of an automated method to estimate the mass of chicken egg components using computer vision and artificial intelligenceAprendizado de máquinaCandlingComputer visionConvolutional neural networksMachine learningOvoscopiaRedes neurais convolucionaisVisão computacionalNesta dissertação está descrito um método automatizado que estima a massa da casca, gema e clara de ovos de galinha, utilizando visão computacional e inteligência artificial. Foi construído um equipamento de coleta composto por câmera de alta resolução, sistema de iluminação RGBW e controle automatizado via Raspberry Pi, permitindo a captura padronizada de imagens durante o processo de ovoscopia. As imagens coletadas foram associadas a medições físicas precisas das massas dos componentes dos ovos, obtidas por pesagem analítica. Após o pré-processamento, incluindo segmentação e organização em um banco de dados, modelos de redes neurais convolucionais (CNNs) foram treinados para estimar as proporções dos componentes internos. Os resultados indicaram desempenho satisfatório, com erro percentual médio absoluto (MAPE) inferior a 4 para as predições, coeficiente de determinação (R²) de 0,97 para massa total e conteúdo interno, e 0,75 para a massa da clara. A pesquisa valida a hipótese de que o método proposto é eficaz, representando uma solução viável para automação e inspeção na indústria avícola, e sugere melhorias futuras, como a expansão do banco de dados e a aplicação de técnicas mais avançadas de segmentação.This dissertation developed an automated method to estimate the shell, yolk, and albumen mass of chicken eggs using computer vision and artificial intelligence. A collection system was built, comprising a high-resolution camera, RGBW lighting system, and automated control via Raspberry Pi, enabling standardized image capture during the candling process. The collected images were correlated with precise physical measurements of the egg components\' masses obtained through analytical weighing. After preprocessing, including segmentation and organization into a database, convolutional neural network (CNN) models were trained to estimate the proportions of the egg\'s internal components. The results demonstrated satisfactory performance, with a mean absolute percentage error (MAPE) below 4 for predictions, a coefficient of determination (R²) of 0.97 for total mass and internal content, and 0.75 for albumen mass. The study validates the hypothesis that the proposed method is effective, representing a viable solution for automation and inspection in the poultry industry. It also suggests future improvements, such as expanding the dataset and applying advanced segmentation techniques.Biblioteca Digitais de Teses e Dissertações da USPSilva, Ana Carolina de SousaFerraz Júnior, Aldrumont2024-12-13info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/74/74134/tde-24042025-100716/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2025-05-13T13:15:31Zoai:teses.usp.br:tde-24042025-100716Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212025-05-13T13:15:31Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial
Development of an automated method to estimate the mass of chicken egg components using computer vision and artificial intelligence
title Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial
spellingShingle Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial
Ferraz Júnior, Aldrumont
Aprendizado de máquina
Candling
Computer vision
Convolutional neural networks
Machine learning
Ovoscopia
Redes neurais convolucionais
Visão computacional
title_short Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial
title_full Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial
title_fullStr Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial
title_full_unstemmed Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial
title_sort Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial
author Ferraz Júnior, Aldrumont
author_facet Ferraz Júnior, Aldrumont
author_role author
dc.contributor.none.fl_str_mv Silva, Ana Carolina de Sousa
dc.contributor.author.fl_str_mv Ferraz Júnior, Aldrumont
dc.subject.por.fl_str_mv Aprendizado de máquina
Candling
Computer vision
Convolutional neural networks
Machine learning
Ovoscopia
Redes neurais convolucionais
Visão computacional
topic Aprendizado de máquina
Candling
Computer vision
Convolutional neural networks
Machine learning
Ovoscopia
Redes neurais convolucionais
Visão computacional
description Nesta dissertação está descrito um método automatizado que estima a massa da casca, gema e clara de ovos de galinha, utilizando visão computacional e inteligência artificial. Foi construído um equipamento de coleta composto por câmera de alta resolução, sistema de iluminação RGBW e controle automatizado via Raspberry Pi, permitindo a captura padronizada de imagens durante o processo de ovoscopia. As imagens coletadas foram associadas a medições físicas precisas das massas dos componentes dos ovos, obtidas por pesagem analítica. Após o pré-processamento, incluindo segmentação e organização em um banco de dados, modelos de redes neurais convolucionais (CNNs) foram treinados para estimar as proporções dos componentes internos. Os resultados indicaram desempenho satisfatório, com erro percentual médio absoluto (MAPE) inferior a 4 para as predições, coeficiente de determinação (R²) de 0,97 para massa total e conteúdo interno, e 0,75 para a massa da clara. A pesquisa valida a hipótese de que o método proposto é eficaz, representando uma solução viável para automação e inspeção na indústria avícola, e sugere melhorias futuras, como a expansão do banco de dados e a aplicação de técnicas mais avançadas de segmentação.
publishDate 2024
dc.date.none.fl_str_mv 2024-12-13
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/74/74134/tde-24042025-100716/
url https://www.teses.usp.br/teses/disponiveis/74/74134/tde-24042025-100716/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1844786345079209984

Registros relacionados