Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
MEDEIROS, Erika Carlos |
| Orientador(a): |
ALMEIDA, Leandro Maciel |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pernambuco
|
| Programa de Pós-Graduação: |
Programa de Pos Graduacao em Ciencia da Computacao
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/44531
|
Resumo: |
Na indústria alimentícia, a inspeção manual sempre foi parte integrante do monitoramento e controle de qualidade. Além de tedioso e lento, esse processo tem alto custo associado a longos tempos treinamentos para formar especialistas e consequentemente tem baixa escalabilidade. Há uma necessidade evidente da adoção de sistemas de inspeção que possam fornecer informações confiáveis em todo processo de produção e que possam auxiliar o especialista humano. A motivação deste estudo centra-se na segurança alimentar, nomeadamente no consumo de peixes, e objetiva a classificação automatizada do nível de frescor da carne de peixe, através da análise de parâmetros colorimétricos, análise muito utilizada na indústria de pescados, haja vista a mudança de coloração da carne de peixes em função de sua deterioração. Tendo tal motivação em vista, usando visão computacional e aprendizagem de máquina, é construída uma solução de fácil e rápida instrumentalização de amostras para classificação automatizada do frescor da carne de peixes, que apresentem mudanças em sua coloração em função de mudanças no nível do frescor, de modo a diminuir a dependência de especialistas nesta tarefa. A solução usa níveis discretos de frescor de peixes e para sua construção foram capturadas 95 amostras de carne de atum e 105 amostras de carne de salmão, que estão disponíveis em conjuntos de dados de imagens inéditos. A solução, chamada de FreshnessScope, inclui hardware e protocolo para captura de imagens das amostras da carne dos peixes, protocolo para o pré-processamento das imagens digitais capturadas, além da extração de características de cores a partir destas. As características foram usadas como recursos em modelos de classificação baseados em AM. Os classificadores otimizados, presentes na solução, são baseados em aprendizagem supervisionada, e quando usados para a tarefa de classificação do frescor de amostras de carne de atum e salmão apresentaram alto desempenho. A solução FreshnessScope mostrou-se robusta, confiável e de fácil adaptabilidade, podendo ser operada por pessoas interessadas em classificação de peixes cujo frescor pode ser determinado por observação de padrões de cores. O maior custo da solução está associado ao uso de uma câmera fotográfica de 12 MP. Palavras-chave: frescor da carne de peixes; frescor da carne do atum; frescor da carne do salmão; sistemas de visão computacional; aprendizagem de máquina. |
