Detecção de contaminação em carcaças de frango utilizando visão computacional e imagens rgb

• Processo: 24/09497-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2024
• Data de Término da vigência: 31 de agosto de 2025
• Área de conhecimento: Ciências Agrárias - Zootecnia - Produção Animal
• Pesquisador responsável: Murilo Mesquita Baesso
• Beneficiário: Bianca Martim Tinti
• Instituição Sede: Faculdade de Zootecnia e Engenharia de Alimentos (FZEA). Universidade de São Paulo (USP). Pirassununga , SP, Brasil
• Assunto(s): Classificação de imagens Processamento de imagens Inspeção sanitária
• Palavra(s)-Chave do Pesquisador: Classificação de imagens | Indústria avícola | Processamento de imagens | Inspeção sanitária

Resumo

O Brasil, um dos maiores produtores e exportadores de carne de frango, enfrenta desafios para garantir a qualidade e segurança de suas carcaças de frango. Para melhorar a eficiência e a precisão na detecção de contaminação, este projeto tem por objetivo desenvolver um sistema automatizado de detecção de contaminação em carcaças de frango utilizando visão computacional, visando aumentar a precisão e eficiência das inspeções na indústria avícola. Especificamente, o projeto busca capturar e processar imagens RGB das carcaças para criar um banco de dados abrangente, aplicar técnicas de processamento de imagem como equalização de histograma e filtros de mediana e afiação para identificar e isolar manchas de contaminação, e implementar algoritmos de visão computacional (SVM, KNN e Random Forest) para classificar regiões de interesse nas imagens. A metodologia envolve a captura de imagens, seguida pela definição de regiões de interesse nas imagens para focar em áreas de contaminação. As imagens RGB serão processadas para separar componentes de cor, e a análise de componentes principais (PCA) será aplicada para reduzir a dimensionalidade dos dados, facilitando a detecção de padrões. Técnicas de processamento de imagem serão utilizadas para melhorar o contraste e reduzir o ruído nas imagens. Os resultados serão analisados utilizando algoritmos de visão computacional. O desempenho dos algoritmos será avaliado com base na acurácia, sensibilidade, especificidade e F1-score. A expectativa é que o sistema aumente a segurança alimentar, reduza o tempo de inspeção e os custos operacionais, proporcionando uma solução prática e eficiente para a detecção de contaminação em carcaças de frango.