Título: UTILIZAÇÃO DE ALGORITMOS DE REDE NEURAL CONVOLUCIONAL REGIONAL DE MÁSCARA (MASK R-CNN) E SEGMENTAÇÃO DE IMAGENS POR COR NA CONTAGEM E CLASSIFICAÇÃO DE FRUTOS DE CAFÉ
Título alternativo: USING OF REGION MASK CONVOLUTIONAL NEURAL NETWORK (MASK R-CNN) AND IMAGE SEGMENTATION BY COLOR ALGORITHMS ON COUNTING AND CLASSIFICATION OF COFFEE FRUITS
Autoria de: Alex Ethel Alves Moscardini
Orientação de: Danton Diego Ferreira
Coorientação de: Luiz de Gonzaga Ferreira Júnior
Presidente da banca: Danton Diego Ferreira
Primeiro membro da banca: Luiz de Gonzaga Ferreira Júnior
Segundo membro da banca: Alysson Alves Fernandes
Terceiro membro da banca: Fernando Elias de Melo Borges
Palavras-chaves: Maturação do café, contagem do café, classificação do café, colheita do café, redes neurais
Data da defesa: 11/12/2023
Semestre letivo da defesa: 2023-2
Data da versão final: 19/12/2023
Data da publicação: 19/12/2023
Referência: Moscardini, A. E. A. UTILIZAÇÃO DE ALGORITMOS DE REDE NEURAL CONVOLUCIONAL REGIONAL DE MÁSCARA (MASK R-CNN) E SEGMENTAÇÃO DE IMAGENS POR COR NA CONTAGEM E CLASSIFICAÇÃO DE FRUTOS DE CAFÉ. 2023. 61 p. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação Bacharelado)-Universidade Federal de Lavras, Lavras, 2023.
Resumo: O objetivo desse trabalho é utilizar uma arquitetura Mask R-CNN para a contagem e classificação do grau de maturação de frutos de café. A contagem e classificação do estágio de maturação do café é um artifício interessante para produtores de café, uma vez que com tais informações, o produtor pode tomar decisões mais assertivas, visando maximizar a colheita dos frutos em graus de maturação que sejam economicamente mais rentáveis. Para atingir tal objetivo, foi reunido uma base de dados contendo imagens dos frutos de café em diferentes graus de maturação. Na sequência foi utilizado o software de marcação ??VGG Image Annotator (VIA)?? para fazer a anotação de cada fruto utilizando polígonos, tais anotações foram exportadas em um arquivo de formato json para posterior processamento. Com isso, foi feito a adaptação de um algoritmo Mask R-CNN em linguagem Python utilizando do recurso de sobrescrita de métodos e classes para trabalhar com a base de dados criada. Utilizando técnicas de transferência de aprendizado, os pesos de uma base de dados pré-estabelecida foram utilizados para treinar uma nova rede neural para classificar as imagens. Com o auxílio de algoritmos de segmentação baseados em intervalos de cores, as imagens foram segmentadas de acordo com os graus de maturação do café, que são verde, cana, cereja e seco. Posteriormente, uma análise utilizando o indicador MAP (Mean Average Precision) foi feita para averiguar os resultados das detecções. O resultado obtido para este indicador foi de 93, enquanto que para imagens individuais foram obtidos valores de 85 a 100, indicando, portanto, elevada eficiência e eficácia na detecção. A utilização desses algoritmos mostrou grande potencial na resolução do desafio de detecção do grau de maturação do café, abrindo novas possibilidades no desenvolvimento de tecnologias que atuem nos processos de pré-colheita, colheita e pós-colheita do café. O aprimoramento dos resultados foi verificado na prática, por meio do aumento da base de dados.
Abstract: The objective of this work is to use a Mask R-CNN architecture to count and classify the degree of ripeness of coffee fruits. Counting and classifying the coffee maturation stage is an interesting device for coffee producers, since with such information, the producer can make more assertive decisions, aiming to maximize the harvest of fruits at maturation levels that are more economically profitable. To achieve this objective, a database containing images of coffee fruits at different degrees of maturation was gathered. The marking software ??VGG Image Annotator (VIA)?? was then used to annotate each fruit using polygons. These annotations were exported into a json format file for further processing. With this, a Mask R-CNN algorithm was adapted in Python language using the method and class overwriting feature to work with the created database. Using transfer learning techniques, the weights from a pre-established database were used to train a new neural network to classify the images. With the help of segmentation algorithms based on color ranges, the images were segmented according to the coffees maturity levels, which are green, cane, cherry and dry. Subsequently, an analysis using the MAP (Mean Average Precision) indicator was carried out to verify the detection results. The result obtained for this indicator was 93, while for individual images values of 85 to 100 were obtained, therefore indicating high efficiency and effectiveness in detection. The use of these algorithms showed great potential in solving the challenge of detecting the degree of coffee maturation, opening up new possibilities in the development of technologies that act in the coffee pre-harvest, harvest and post-harvest processes. The improvement of results was verified in practice, through the increase in the database.
URI: sip.prg.ufla.br/publico/trabalhos_conclusao_curso/acessar_tcc_por_curso/
engenharia_de_controle_e_automacao/20232201521289
URI alternaviva: sem URI do Repositório Institucional da UFLA até o momento.
Curso: G022 - ENGENHARIA DE CONTROLE E AUTOMAÇÃO (BACHARELADO)
Nome da editora: Universidade Federal de Lavras
Sigla da editora: UFLA
País da editora: Brasil
Gênero textual: Trabalho de Conclusão de Curso
Nome da língua do conteúdo: Português
Código da língua do conteúdo: por
Licença de acesso: Acesso aberto
Nome da licença: Licença do Repositório Institucional da Universidade Federal de Lavras
URI da licença: repositorio.ufla.br
Termos da licença: Acesso aos termos da licença em repositorio.ufla.br
Detentores dos direitos autorais: Alex Ethel Alves Moscardini e Universidade Federal de Lavras
Baixar arquivo