Classificação de grãos de café usando visão computacional aliado ao machine learning

Abstract

RESUMO: O agronegócio mundial do café engloba, anualmente, recursos que chegam a 91 bilhões de dólares e envolve meio bilhão de pessoas. É nesse mercado gigantesco que está centrado o interesse da cadeia produtiva do café brasileiro, que contribuiu com mais de 30% da produção mundial nas últimas safras. O mercado do café é caracterizado por um conjunto de atividades de enorme complexidade, dinamismo, e um crescente nível de exigência dos consumidores quanto à qualidade da bebida. Isso impõe aos países produtores, consumidores e exportadores um elevado controle de qualidade. Atualmente, a definição da qualidade e, portanto, do valor do café é baseada na classificação manual, ou seja, uma pessoa exerce o papel de um classificador treinado (certificado) para qualificar as amostras de café. Assim, o processo atual de classificação de café sofre com a subjetividade dos classificadores e uma grande dificuldade de padronização do processo devido a possíveis inconsistências. O presente trabalho propõe o uso de aprendizado nãosupervisionado de máquina, através de clusterização (K-Means) para análise de amostras de café em grãos pela análise de imagens digitais, a fim de se aumentar a velocidade e reduzir as subjetividades envolvidas no atual processo manual de classificação, considerando: forma, tamanho e cor. Dentre os benefícios da automação do processo de classificação de café destacam-se a redução de custos, a agilidade e a padronização da classificação.

ABSTRACT: O agronegócio mundial do café engloba, anualmente, recursos que chegam a 91 bilhões de dólares e envolve meio bilhão de pessoas. É nesse mercado gigantesco que está centrado o interesse da cadeia produtiva do café brasileiro, que contribuiu com mais de 30% da produção mundial nas últimas safras. O mercado do café é caracterizado por um conjunto de atividades de enorme complexidade, dinamismo, e um crescente nível de exigência dos consumidores quanto à qualidade da bebida. Isso impõe aos países produtores, consumidores e exportadores um elevado controle de qualidade. Atualmente, a definição da qualidade e, portanto, do valor do café é baseada na classificação manual, ou seja, uma pessoa exerce o papel de um classificador treinado (certificado) para qualificar as amostras de café. Assim, o processo atual de classificação de café sofre com a subjetividade dos classificadores e uma grande dificuldade de padronização do processo devido a possíveis inconsistências. O presente trabalho propõe o uso de aprendizado nãosupervisionado de máquina, através de clusterização (K-Means) para análise de amostras de café em grãos pela análise de imagens digitais, a fim de se aumentar a velocidade e reduzir as subjetividades envolvidas no atual processo manual de classificação, considerando: forma, tamanho e cor. Dentre os benefícios da automação do processo de classificação de café destacam-se a redução de custos, a agilidade e a padronização da classificação.