Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Software para classificação do estado de maturação da banana utilizando aprendizado de máquina

Texto completo
Autor(es):
Angela Vacaro de Souza [1] ; Jéssica Marques de Mello [2] ; Vitória Ferreira da Silva Favaro [3] ; Fernando Ferrari Putti [4]
Número total de Autores: 4
Afiliação do(s) autor(es):
[1] São Paulo State University (UNESP), School of Science and Engineering - Brasil
[2] São Paulo State University (UNESP), Institute of Science and Technology - Brasil
[3] São Paulo State University (UNESP), School of Science and Engineering - Brasil
[4] São Paulo State University (UNESP), School of Science and Engineering - Brasil
Número total de Afiliações: 4
Tipo de documento: Artigo Científico
Fonte: Revista Brasileira de Fruticultura; v. 46, 2024-06-07.
Resumo

Resumo: reconhecimento de padrões tem como objetivo classificar alguns conjuntos de dados em classes ou clusters específicos, tendo várias aplicações na agriaccucultura. A objetivação do processo minimiza erros, pois reduz a subjetividade, permitindo uma remuneração mais justa ao produtor e produtos padronizados ao consumidor. Assim,este trabalho teve como objetivo desenvolver um sistema embarcado cominteligência artificial para determinar o estádio de maturação de bananas (outputs) a partir dainserção de dados físicos (peso do fruto, textura e diâmetro), físico-químicos (pH, acideztitulável (AT),sólidos solúveis (SS) e relação SS/TA) e bioquímicos (açúcares totais,compostos fenólicos, ácido ascórbico, quantificação de pigmentos na casca e na polpa dos frutos e atividade antioxidante pelos métodos DPPH e FRAP) (inputs). As bananas foram colhidas em cada estádio avaliado, de acordo com a escala de maturação de Von Loesecke, a saber:estádio 2, totalmente verde; estádio 4, mais amarela que verde; estádio 6, amarela; e estádio 7,amarela com manchas marrons. Posteriormente, foram selecionados e submetidos a uma análise de qualidade. Os dados obtidos foram então minerados, e os atributos foramselecionados,utilizando o software WEKA. O software classificador foi desenvolvido em MATLAB. Os atributos mais relevantes selecionados no classificador Bayes Net, para ométodo de Cross-Validation, foram: texturas apical, central, basal e média (entre as texturasapical, mediana e basal), pH, sólidos solúveis, compostos fenólicos, atividades antioxidantes, pelos métodos FRAP e DPPH, vitamina C, antocianinas da polpa, teor de clorofila a na cascado fruto e açúcar,resultando em uma medida F média de 97,0%. (AU)

Processo FAPESP: 20/01711-1 - Criação de um classificador de banana nanicão a partir da avaliação de parâmetros de qualidade dos frutos
Beneficiário:Jéssica Marques de Mello
Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
Processo FAPESP: 21/08901-3 - Modelagem de redes neurais artificiais aplicadas à predição da maturação a partir de parâmetros de qualidade de bananas
Beneficiário:Vitória Ferreira da Silva Fávaro
Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
Processo FAPESP: 20/14166-1 - Modelagem de redes neurais artificiais aplicadas à predição da maturação a partir de parâmetros de qualidade de bananas
Beneficiário:Angela Vacaro de Souza
Modalidade de apoio: Auxílio à Pesquisa - Regular