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

• Ano de defesa: 2024
• Autor(a) principal: Ferraz Júnior, Aldrumont
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• 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/

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.