Measuring image analysis attributes andmodelling fuzzy consumer aspects for
tomato quality grading
Programa de Pós-Graduação em Informática – UFRJTrabalho da disciplina Inteligência Computacional
Integrantes MatrículaRamiro Pereira de Magalhães 111510679Rosane Sfair Huergo 112097585
Objetivos do estudo
Avaliar a capacidade de classificar tomates automaticamente usando informações visuais e o mesmo raciocínio impreciso empregado por
pessoas ao selecioná-los para consumo.
Introdução Há definições oficiais de qualidade de tomates, mas elas variam
muito e são pouco específicas. Consumidor qualifica alimentos imprecisamente com seus sentidos,
ainda que os produtores possam avaliar atributos objetivamente.
Introdução Adoção da avaliação por imagem evitando contato e
destruição dos tomates.
Características Visuais Tamanho
– Usou-se o maior diâmetro como medida de tamanho.– Há grande correlação entre o peso e a área.
P = 0,0021 A1,3614 R2 = 0,9955
Características Visuais Cor
– A cor é um indicador de amadurecimento.
– Conversão da imagem RGB para o padrão internacional de especificação de cores CIE/XYZ.
– O comprimento de onda dominante é um índice de amadurecimento.
– A comparação com a avaliação humana mostrou sobreposição nos estágios 6-8.
Características Visuais Formato
– Estimado a partir da área, perímetro, eixo maior e menor– Contorno é eficiente para avaliar anomalias de formato.
Características Visuais Manchas e danos
– Danos são identificados pela descontinuidade de reflexão
– Manchas são medidas pelo histograma do comprimento de onda dominante– Mais de um pico demonstra anormalidade.
Correlação de características Quais desses atributos estão relacionados com outros
não mensuraveis?– Maturidade e firmeza– Maturidade e BRIX– Maturidade e vitamina C
Mapeamento fuzzy Classes propostas:
Mapeamento fuzzy Distribuições de características triangulares. Processamento com operadores AND. Operadores
GAMMA (compensatory AND) também podem ser aplicados.
Resultados
Top Related