Inspeção visual automática da qualidade de grãos de feijão

• Processo: 17/05188-9
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de julho de 2017
• Data de Término da vigência: 31 de agosto de 2019
• Área do conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Sidnei Alves de Araújo
• Beneficiário: Sidnei Alves de Araújo
• Instituição Sede: Universidade Nove de Julho (UNINOVE). Campus Memorial. São Paulo , SP, Brasil
• Pesquisadores associados: Cleber Gustavo Dias ; José Carlos Curvelo Santana ; Peterson Adriano Belan
• Assunto(s): Visão computacional Reconhecimento de padrões Controle da qualidade Feijão
• Palavra(s)-Chave do Pesquisador: Feijão | Inspeção da Qualidade | Inspeção Visual Automática | Reconhecimento de Padrões | Visão Computacional | Reconhecimento de Padrões/Visão Computacional

Resumo

Para muitos produtos industriais e agrícolas, suas propriedades visuais são fatores importantes para determinar o preço de mercado e auxiliar a escolha do consumidor. Basicamente, a inspeção da qualidade do feijão brasileiro é feita de forma manual seguindo procedimentos operacionais estabelecidos pelo Ministério da Agricultura, Pecuária e Abastecimento. Contudo, os processos manuais de inspeção de qualidade normalmente estão sujeitos a problemas como o alto custo e a dificuldade de padronização dos resultados. Neste contexto, torna-se importante o uso de sistemas computacionais para apoiar tais processos com intuito de reduzir custos operacionais e padronizar resultados, gerando diferencial competitivo para as empresas. Neste projeto propõe-se o desenvolvimento de um sistema de visão computacional (SVC) aplicável ao processo de inspeção visual da qualidade do feijão brasileiro. A ideia é que ele seja capaz de classificar os feijões mais consumidos no Brasil, com base na coloração e tamanhos dos grãos, além de identificar os principais defeitos. Desta forma, o SVC proposto poderá ser usado para determinar, de forma automática, a classe e do tipo do produto, que consequentemente impactam no seu preço de mercado. Além da implementação do SVC, pretende-se ainda desenvolver um equipamento de baixo custo aplicável à solução do problema investigado. (AU)

Publicações científicas

(5)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

GOMES DE MACEDO, ROBSON APARECIDO; MARQUES, WILSON DAVID; BELAN, PETERSON ADRIANO; DE ARAUJO, SIDNEI ALVES. AUTOMATIC VISUAL INSPECTION OF GRAIN QUALITY IN AGROINDUSTRY 4.0. INTERNATIONAL JOURNAL OF INNOVATION, v. 6, n. 3, p. 207-216, SEP-DEC 2018. (17/05188-9)

BELAN, PETERSON ADRIANO; DE MACEDO, ROBSON APARECIDO GOMES; ALVES, WONDER ALEXANDRE LUZ; SANTANA, JOSE CARLOS CURVELO; ARAUJO, SIDNEI ALVES. Machine vision system for quality inspection of beans. INTERNATIONAL JOURNAL OF ADVANCED MANUFACTURING TECHNOLOGY, v. 111, n. 11-12, NOV 2020. (17/05188-9)

LIMA, STANLEY JEFFERSON DE A.; DE ARAUJO, SIDNEI ALVES; KOROSEC, P; MELAB, N; TALBI, EG. A New Binary Encoding Scheme in Genetic Algorithm for Solving the Capacitated Vehicle Routing Problem. BIOINSPIRED OPTIMIZATION METHODS AND THEIR APPLICATIONS, BIOMA 2018, v. 10835, p. 11-pg., 2018-01-01. (17/05188-9)

BELAN, PETERSON A.; DE MACEDO, ROBSON A. G.; DE ARAUJO, SIDNEI A.; NYSTROM, I; HEREDIA, YH; NUNEZ, VM. Computer Vision Approaches to Detect Bean Defects. PROGRESS IN PATTERN RECOGNITION, IMAGE ANALYSIS, COMPUTER VISION, AND APPLICATIONS (CIARP 2019), v. 11896, p. 10-pg., 2019-01-01. (17/05188-9)

BELAN, PETERSON A.; DE MACEDO, ROBSON A. G.; PEREIRA, MARIHA M. A.; ALVES, WONDER A. L.; DE ARAUJO, SIDNEI A.; CAMPILHO, A; KARRAY, F; ROMENY, BT. A Fast and Robust Approach for Touching Grains Segmentation. IMAGE ANALYSIS AND RECOGNITION (ICIAR 2018), v. 10882, p. 8-pg., 2018-01-01. (17/05188-9)