SCDMImage: um aplicativo para detecção de características morfológicas em produtos agrícolas

Valnyr Vasconcelos Lira

ORCID iD Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), Campus Esperança Brasil

Francisco Fechine Borges

Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), Campus João Pessoa Brasil

Jéssica Cordeiro da Silva Santos

Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), Campus Esperança Brasil

Antônio Pedro Gomes Tabosa

Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), Campus Esperança Brasil

Mário Eduardo Rangel Moreira Cavalcanti Mata

ORCID iD Universidade Federal de Campina Grande (UFCG) Brasil

Resumo

Com a evolução das técnicas de cultivo, a produção mundial de frutas e hortaliças vem apresentando um crescimento contínuo. Apesar do aumento da produção, uma parcela significativa dos produtos colhidos é perdida, principalmente na pós-colheita, por fatores diversos, como manuseio, transporte e conservação inadequados, falta de seleção e classificação, embalagens mal dimensionadas, entre outros. De forma geral, a qualidade de frutas e hortaliças geralmente é avaliada pelos seguintes parâmetros: tamanho, forma, massa, cor, firmeza, maturação, ausência de contusões e patologias. Neste trabalho, o objetivo foi desenvolver um aplicativo no Matlab, para detectar, por meio de imagens, características morfológicas (largura, comprimento, área, perímetro) de mangas da variedade Mangifera indica L., ‘Tommy Atkins’, e, utilizando essas mesmas imagens, estimar a massa das frutas selecionadas. As imagens das mangas foram adquiridas com uma câmera digital, acoplada a uma caixa iluminada e, posteriormente, processadas em um aplicativo desenvolvido no Matlab. A partir das imagens, as características morfológicas das amostras foram obtidas, e uma equação para estimar sua massa foi determinada. A determinação da massa a partir das imagens teve uma correlação de 96% com a massa real medida com uma balança, ou seja, foi possível obter uma estimava confiável das massas das mangas a partir de material imagético.

Palavras-chave


Mangas; Imagem; Massa; Estimação; Automação


Texto completo:

Referências


ANDRADE, P. F. S. Análise da conjuntura agropecuária: Safra 2016/17. Relatório Técnico. Curitiba: Secretaria da Agricultura e do Abastecimento do Paraná, 2017.

BORGES, F. F. Fusão de sensores de baixo custo aplicada à seleção e classificação automatizada de mangas para exportação. 2011. Tese (Doutorado em Engenharia de Processos) – Universidade Federal de Campina Grande, Campina Grande, PB, 2011.

CARVALHO, J. N. Seleção e classificação inteligente de mangas por análise de imagens. 2015. Tese (Doutorado em Engenharia de Processos) – Universidade Federal de Campina Grande, Campina Grande, PB, 2015.

IGATHINATHANE, C.; PORDESIMO, L. O.; COLUMBUS, E. P.; BATCHELOR, W. D.; METHUKU, S. R. Shape identification and particles size distribution from basic shape parameters using ImageJ. Computers and Electronics in Agriculture, v. 63, n. 2, p. 168-182, 2008.

LINO, A. C. L.; SANCHES, J.; FABBRO, I. M. D. Image processing techniques for lemons and tomatoes classification. Bragantia, v. 67, n. 3, p. 785-789, 2008.

LÓPEZ-GARCÍA, F.; ANDREU-GARCÍA, G.; BLASCO, J.; ALEIXOS, N.; VALIENTE, J-M. Automatic detection of skin defects in citrus fruits using a multivariate image analysis approach. Computers and Electronics in Agriculture, v. 71, n. 2, p. 189-197, 2010.

MATHWORKS, T. Matlab 2013a - The Language of Technical Computing. Massachusetts, EUA: Mathworks, 2013.

MERY, D.; PEDRESCHI, F. Segmentation of colour food images using a robust algorithm. Journal of Food Engineering, v. 66, n. 3, p. 353-360, 2005.

MOMIN, M. A.; RAHMAN, M. T.; SULTANA, M. S.; IGATHINATHANE, C.; ZIAUDDIN, A. T. M.; GRIFT, T. E. Geometry-based mass grading of mango fruits using image processing. Information Processing in Agriculture, v. 4, n. 2, p. 150-160, 2017.

MOREDA, G. P.; ORTIZ-CANÃVATE, J.; GARCÍA-RAMOS, F. J.; RUIZ-ALTISENT, M. Non-destructive technologies for fruit and vegetable size determination – a review. Journal of Food Engineering, v. 92, n. 2, p. 119-136, 2009.

OMID, M.; KHOJASTEHNAZHAND, M.; TABATABAEEFAR, A. Estimating volume and mass of citrus fruits by image processing technique. Journal of Food Engineering, v. 100, n. 2, p. 315-321, 2010.

PEREZ, R. M.; CHEEIN, F. A.; ROSELL-POLO, J. R. Flexible system of multiple RGB-D sensors for measuring and classifying fruits in agri-food industry. Computers and Electronics in Agriculture, v. 139, n. 15, p. 231-242, 2017.

RUIZ-ALTISENT, M.; RUIZ-GARCIA, L.; MOREDA, G. P.; LU, R.; HERNANDEZ-SANCHEZ, N.; CORREA, E. C.; DIEZMA, B.; NICOLAI, B.; GARCÍA-RAMOS, J. Sensors for product characterization and quality of specialty crops – a review. Computers and Electronics in Agriculture, v. 74, n. 2, p. 176-194, 2010.

SA’AD, F. S. A.; IBRAHIM, M. F.; SHAKAFF, A. Y. M.; ZAKARIA, A.; ABDULLAH, M. Z. Shape and weight grading of mangoes using visible imaging. Computers and Electronics in Agriculture, v. 115, p. 51-56, 2015.

SANCHES, J.; LINO, A. C. L. Uso de imagem digital para seleção e classificação de frutas e hortaliças. Infobibos – Informações Tecnológicas, 2010. Disponível em: http://www.infobibos.com/Artigos/2010_1/imagem/index.htm. Acesso em: 20 mar. 2020.

SCHULZE, K.; NAGLE, M.; SPREER, W.; MAHAYOTHEE, B.; MÜLLER, J. Development and assessment of different modeling approaches for size-mass estimation of mango fruits (Mangifera indica L., cv. ‘Nam Dokmai’). Computers and Electronics in Agriculture, v. 114, p. 269-276, 2015.

SPREER, W.; MÜLLER, J. Estimating the mass of mango fruit (Mangifera indica, cv. Chok Anan) from its geometric dimensions by optical measurement. Computers and Electronics in Agriculture, v. 75, n. 1, p. 125-131, 2011.

ZHANG, B.; HUANG, W.; LI, J.; ZHAO, C.; FAN, S.; WU, J.; LIU, C. Principles, developments and applications of computer vision for external quality inspection of fruits and vegetables: A review. Food Research International, v. 62, p. 326-343, 2014.

ZHENG, H.; LU, H. A least-squares support vector machine (LS-SVM) based on fractal analysis and CIELab parameters for the detection of browning degree on mango (Mangifera indica L.). Computers and Electronics in Agriculture, v. 83, p. 47-51, 2012.


DOI: http://dx.doi.org/10.18265/1517-0306a2020v1n53p27-35

O arquivo PDF selecionado deve ser carregado no navegador caso tenha instalado um plugin de leitura de arquivos PDF (por exemplo, uma versão atual do Adobe Acrobat Reader).

Como alternativa, pode-se baixar o arquivo PDF para o computador, de onde poderá abrí-lo com o leitor PDF de sua preferência. Para baixar o PDF, clique no link abaixo.

Caso deseje mais informações sobre como imprimir, salvar e trabalhar com PDFs, a Highwire Press oferece uma página de Perguntas Frequentes sobre PDFs bastante útil.

Download do PDF
Imprimir artigo
Exibir metadados
Como citar este documento

Visitas a este artigo: 1000

Total de downloads do artigo: 595