Análise de técnicas de aprendizado de máquina aplicados á classificação de grãos de café
O mercado cafeeiro caracteriza-se por um conjunto de atividades de enorme complexidade, dinamismo e um nível crescente de exigência dos consumidores quanto à qualidade da bebida. Isso impõe um alto controle de qualidade aos países produtores, consumidores e exportadores. Atualmente, a definição da qualidade e, portanto, do valor do café é baseada na classificação manual, ou seja, uma pessoa desempenha o papel de classificador treinado (certificado) para qualificar amostras de café. Assim, o atual processo de classificação sofre com a subjetividade dos classificadores e uma grande dificuldade em padronizar o processo devido a possíveis inconsistências no processo. Diante desse cenário, o presente trabalho propõe uma comparação entre três algoritmos que classificam amostras de café, considerando forma e imperfeições. Os algoritmos são classificadores, um baseado em MLP (Multi-Layer Perceptron), outro em clustering por K-Means e o último consiste em um classificador baseado em Deep Learning e redes convolucionais regionais (R-CNN). O objetivo deste trabalho é comparar qual dos algoritmos é mais eficaz na classificação dos grãos de acordo com os defeitos intrínsecos presentes na amostra.
Análise de técnicas de aprendizado de máquina aplicados á classificação de grãos de café
-
DOI: 10.22533/at.ed.2242204087
-
Palavras-chave: Classificação de grãos de café, Deep Learning, Mask R-CNN, K-Means, Multi-Layer Perceptron
-
Keywords: Classification of coffee beans, Deep Learning, Mask R-CNN, K-Means, Multi-Layer Perceptron
-
Abstract:
The coffee market is characterized by a set of activities of enormous complexity, dynamism, and a growing level of demand from consumers regarding the quality of the drink. This imposes high quality control on producer, consumer and exporter countries. Currently, the definition of the quality and, therefore, the value of coffee is based on manual classification, that is, a person plays the role of a trained (certified) classifier to qualify coffee samples. Thus, the current classification process suffers from the subjectivity of the classifiers and a great difficulty in standardizing the process due to possible inconsistencies in the process. Given this scenario, the present work proposes a comparison between three algorithms that classify coffee samples, considering shape and imperfections. The algorithms are classifiers, one based on MLP (Multi-Layer Perceptron), another in clustering by K-Means and the latter consists of a classifier based on Deep Learning and regional convolutional networks (R-CNN). The objective of this work is to compare which of the algorithms is more effective in classifying the grains according to the intrinsic defects present in the sample.
-
Número de páginas: 10
- Gustavo Maia de Almeida
- Fidelis Zanetti de Castro
- Igor Lube
