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

Autores

  • Valnyr Vasconcelos Lira Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), Campus Esperança http://orcid.org/0000-0001-8865-2799
  • Francisco Fechine Borges Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), Campus João Pessoa
  • Jéssica Cordeiro da Silva Santos Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), Campus Esperança
  • Antônio Pedro Gomes Tabosa Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), Campus Esperança
  • Mário Eduardo Rangel Moreira Cavalcanti Mata Universidade Federal de Campina Grande (UFCG) http://orcid.org/0000-0001-6919-207X

DOI:

https://doi.org/10.18265/1517-0306a2020v1n53p27-35

Palavras-chave:

Mangas, Imagem, Massa, Estimação, Automação

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.

Downloads

Não há dados estatísticos.

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.

Downloads

Publicado

03-02-2021

Como Citar

LIRA, V. V.; BORGES, F. F.; SANTOS, J. C. da S.; TABOSA, A. P. G.; MATA, M. E. R. M. C. SCDMImage: um aplicativo para detecção de características morfológicas em produtos agrícolas. Revista Principia, [S. l.], v. 1, n. 53, p. 27–35, 2021. DOI: 10.18265/1517-0306a2020v1n53p27-35. Disponível em: https://periodicos.ifpb.edu.br/index.php/principia/article/view/2846. Acesso em: 8 mar. 2025.

Edição

n. 53 (2021)

Seção

Ciência da Computação

Licença

Esta revista, seguindo as recomendações do movimento de Acesso Aberto, proporciona seu conteúdo em Full Open Access. Assim os autores conservam todos seus direitos permitindo que a Revista Principia possa publicar seus artigos e disponibilizar pra toda a comunidade.

A Revista Principia adota a licença Creative Commons 4.0 do tipo atribuição (CC-BY). Esta licença permite que outros distribuam, remixem, adaptem e criem a partir do seu trabalho, inclusive para fins comerciais, desde que lhe atribuam o devido crédito pela criação original.

Os autores estão autorizados a enviar a versão do artigo publicado nesta revista em repositório institucionais, com reconhecimento de autoria e publicação inicial na Revista Principia.

Demais informações sobre a Política de Direitos Autorais da Revista Principia encontram-se neste link. 

Artigos mais lidos pelo mesmo(s) autor(es)