Banca de DEFESA: ERIKA CARLOS MEDEIROS

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : ERIKA CARLOS MEDEIROS
DATA : 14/12/2021
HORA: 08:00
LOCAL: Google Meet
TÍTULO:

FreshnessScope: Uma Solução com Base em Visão Computacional e Machine Learning para Classificação do Frescor da Carne de Pescados.

PALAVRAS-CHAVES:

Frescor da carne de peixes; Frescor da carne do atum; Frescor da carne do salmão; Sistemas de Visão Computacional; Machine  Learning.

PÁGINAS: 304
RESUMO:

Na indústria alimentícia, a inspeção manual sempre foi parte integrante do monitoramento e controle de qualidade. Além de tedioso e caro, esse processo pode ser afetado por fatores que induzem a resultados de avaliação subjetivos e inconsistentes. Devido às inconsistências associadas aos erros humanos, há uma necessidade evidente da adoção de sistemas de inspeção precisos que possam fornecer informações confiáveis em todo processo de produção. A motivação deste estudo centra-se na segurança alimentar, nomeadamente no consumo de peixes, e objetiva a classificação imparcial do nível de frescor da carne de peixe, através da análise de parâmetros colorimétricos.Tendo tal motivação em vista, usando visão computacional e Machine Learning, é construída uma solução escalável, de baixo custo, robusta, não invasiva e não destrutiva, para classificação automatizada do frescor da carne de peixes, que apresentem mudanças em sua coloração em função de mudanças no nível do frescor. A solução, chamada de FreshnessScope, inclui a hardware e protocolo para captura de imagens das amostras da carne dos peixes, além da proposição de características de cores extraídas das imagens das amostras, usando os espaços de cores RGB, HSV, HSI e L*a*b*. As características de cores foram usadas como recursos em modelos de classificação baseados em Machine Learning. Para a construção da solução foram usadas amostras de carne de atum e amostras de carne de salmão. Foram testados trinta e sete pipelines combinando técnicas de préprocessamento para dimensionamento dos dados, de pré-processamento decaracterísticas, de balanceamento de classes e classificadores. Foram usados ostestes estatísticos de Friedman e Nemenyi para identificar os modelos de maior desempenho e que apresentaram diferenças estatísticas significativas em seus desempenhos. Os modelos de ML identificados como ideais para classificação do frescor da carne tanto do atum como do salmão, apresentaram resultados próximos de 100% de assertividade. A solução FreshnessScope mostrou-se ser não invasiva, rápida, barata, com desempenho próximo de 100%, e sobretudo escalável para outros contextos.

MEMBROS DA BANCA:
Externo à Instituição - ANDRÉ CÂMARA ALVES DO NASCIMENTO - UFRPE
Presidente - 1675582 - CLEBER ZANCHETTIN
Interno - 1412012 - FERNANDO MACIANO DE PAULA NETO
Externo à Instituição - FRANCISCO CARLOS MONTEIRO SOUZA - UTFPR
Externo à Instituição - FREDERICO DUARTE DE MENEZES - IFPE