Navegando por Autor "Rosas, Jorge Tadeu Fim"

Agora exibindo 1 - 2 de 2

Monitoramento da maturação do café usando imagens aéreas multiespectrais
(Universidade Federal de Viçosa, 2020-02-10) Rosas, Jorge Tadeu Fim; Pinto, Francisco de Assis de Carvalho; Villar, Flora Maria de Melo; Queiroz, Daniel Marçal de
A preocupação dos produtores de café na atualidade não se limita apenas a produtividade das lavouras, pois fatores que visam agregar valor ao produto final também estão sendo levados em consideração dentro do sistema de produção da cultura. O café é um dos poucos produtos agrícolas que tem seu valor acrescido significativamente com a melhoria da qualidade dos frutos. Dentre os diversos fatores que afetam a qualidade do café o estágio de maturação dos frutos tem sido o mais importante, dessa forma, a colheita dos frutos completamente maduros é essencial para se obter cafés com qualidade superior. Por tanto, em sistemas em que se visa a produção de cafés especiais, monitorar a maturação dos frutos de café nas plantas se torna indispensável. Atualmente, metodologias para o monitoramento da maturação dos frutos de café no campo ainda são escassas. O monitoramento da maturação é feito de forma destrutiva com colheitas de algumas plantas no talhão, que, muitas vezes não é representativo. Uma alternativa seria o uso de sensores remotos a bordo de aeronaves remotamente pilotadas (ARPs). As ARPs têm ganhado destaque nos últimos anos, pois, permitem a aquisição de imagens com elevada resolução espacial e resolução temporal ajustável as necessidades do usuário. No entanto, para a aquisição de informações espectrais confiáveis, questões como a calibração radiométrica das imagens devem ser tratadas com muita atenção. O método de calibração mais usado para imagens obtidas por ARPs é o método da linha empírica, este método usa alvos de reflectância conhecidas para ajustar modelos de calibração e assim transformar o número digital da imagem em reflectância. Contudo, um dos empasses para este método é o elevado custo dos alvos de reflectância comerciais. Neste caso, a alternativa seria a construção de alvos a partir de materiais alternativos. Dessa forma, esse trabalho teve como objetivos: (1) avaliar o uso de materiais de baixo custo e de fácil acesso para calibração de imagens multiespectrais obtidas por sensores acoplados a ARPs visando monitorar pequenas lavouras de café na região da Zona da Mata Mineira; (2) avaliar o potencial de um sensor multiespectral de baixo custo, montado em uma ARP, para monitorar o processo de maturação dos frutos de cafeeiro, em lavouras cultivadas na região montanhosa da Zona da Mata Mineira. Para atender o primeiro objetivo foram testados quatro diferentes materiais alternativos para a confecção dos alvos: madeira compensada pintados com tinta fosca; napa sintética cujo material base de construção é Polyvinyl chloride (PVC); Ethylene Vinyl Acetate (EVA) e painéis de lona de PVC. Foi determinada a vida útil de cada um dos materiais, assim como, o erro associado à calibração radiométrica. Em seguida, mapas de índices de vegetação de um talhão cultivado com café foram gerados com a finalidade de avaliar a diferença gerada pelo uso dos quatro materiais na confecção dos painéis de calibração. Os painéis feitos de madeira pintados com tinta fosca e os de madeira revestidos com napa, foram os que apresentaram menores erros no processo de calibração radiométrica, já os painéis de madeira revestido com lona de PVC foram os que resultaram em erros mais elevados de calibração. Os painéis construídos com EVA apresentaram baixa resistência ao uso, visto que sua vida útil foi inferior aos demais, já a madeira pintada foi o material mais resistente sendo assim o mais indicado para uso na calibração radiométrica de imagens multiespectrais. Já para atender o segundo objetivo, um experimento foi montado e cinco talhões distintos cultivados em café arábica foram avaliados. Durante o período de maturação do café quatro voos foram realizados para adquirir informações espectrais do dossel da cultura. Neste trabalho a câmera multiespectral Mapir Survey3W foi usada para adquirir imagens multiespectrais. Após a aquisição das imagens oito índices de vegetação foram calculados. A análise de componentes principais foi utilizada para inferir sobre a importância dos índices para monitorar a maturação do café. As imagens multiespectrais obtidas pelo sensor de baixo custo foram capazes de registrar as mudanças espectrais ocorridas nas plantas de café com o avanço da maturação na maioria dos talhões estudados, no entanto, observou-se que a produtividade e o volume de copa das plantas de café influenciaram no monitoramento da maturação do café. Palavras-chave: Sensoriamento remoto. Câmeras fotográficas. Cafeicultores.
Quality assessment of coffee beans through computer vision and machine learning algorithms
(Editora UFLA, 2020) Santos, Fernando Ferreira Lima dos; Rosas, Jorge Tadeu Fim; Martins, Rodrigo Nogueira; Araújo, Guilherme de Moura; Viana, Lucas de Arruda; Gonçalves, Juliano de Paula
The increasing market interest in coffee beverage, lead coffee growers around the world to adopt more efficient methods to select the best-quality coffee beans. Currently, coffee beans selection is carried out either manually, which is a costly and unreliable process, or using electronic sorting machines, which are often inefficient because some coffee beans defects, such as sour and immature beans, have similar spectral response patterns. In this sense, the present work aimed to analyze the importance of shape and color features for different machine learning techniques, such as Support Vector Machine (SVM), Deep Neural Network (DNN) and Random Forest (RF), to assess coffee beans’ defects. For this purpose, an algorithm written in Python language was used to extract shape and color features from coffee beans images. The dataset obtained was then used as input to the machine learning algorithms, developed using Python and R programing languages. The data reported in this study pointed to the importance of color descriptors for classifying coffee beans defects. Among the variables used, the components Gmean from RGB (Red, Green and Blue) color space and Vmean from HSV (Hue, Saturation and Value) color space were some of the most relevant features for the classification models. The results reported in this study indicate that all the classifier models presented similar performance. In addition, computer vision along with machine learning algorithms can be used to classify coffee beans with a very high accuracy (> 88%).