Aplicação de redes neurais convolucionais para treinamento de inteligência artificial na avaliação de embutidos de pescados
Authors:
- Rafael Pereira FrotaRFRafael Pereira Frota
- Felipe Costa de SouzaFSFelipe Costa de Souza
- David de Souza FerreiraDFDavid de Souza Ferreira
- Vitória Elmídio RipardoVRVitória Elmídio Ripardo
- Francisca Joyce Elmiro Timbó AndradeFAFrancisca Joyce Elmiro Timbó Andrade
- Leiliane Teles CésarLCLeiliane Teles César
- Raimundo Alan Freire MoreiraRMRaimundo Alan Freire Moreira
- Mirla Dayanny Pinto FariasMFMirla Dayanny Pinto Farias
Open Access
- 6 January 2025
- journal article
- Published by Brazilian Journals in OBSERVATÓRIO DE LA ECONOMÍA LATINOAMERICANA
- Vol. 23 (1) , e8554
Abstract
As Redes Neurais Convolucionais (RNC´s) são sistemas computacionais cada vez mais estudados atualmente e podem ser utilizadas para análise de imagens de alimentos, como os produtos de pescados. O objetivo deste estudo foi desenvolver uma RNC que analisou as alterações de cores dos embutidos de carne de tilápia, oferecendo uma metodologia automatizada e não invasiva de controle de qualidade. Após a elaboração dos embutidos, obteve-se as imagens, seguidas de seleção, tratamento, segmentação, catalogação e criação do dataset serviram de base para a construção, treinamento, validação, técnicas de avaliação e visualização de desempenho da RNC. Ao todo foram 509 imagens obtidas e na separação e segmentação das imagens a nitidez, ruídos, brilho e contraste foram ajustados para a construção do dataset, e estas imagens foram direcionadas para elaboração de um data augmentation, que apresentou um desempenho gerando 17.080 imagens, e após o treinamento com modelos pré-treinados e o personalizado construído nesta pesquisa, pode-se observar que a RNC personalizada demonstrou mais flexibilidade, com uma acurácia de 96% e uma loss de aproximadamente 0.01, demonstrando uma boa capacidade de generalização. Os resultados das métricas de avaliação foram uma média de 98,73% para o F1-Score, 98,97% de Recall, 98,65% de precisão entre as três classes e a Matriz de Confusão revelou que havia uma pequena quantidade de falsos negativos. Conclui-se, portanto, que o dataset criado e todas as etapas necessárias para o desenvolvimento de uma RNC foram essenciais para se ter um modelo personalizado e que foi capaz de ter um desempenho melhor do que os modelos pré-treinados.Keywords
This publication has 3 references indexed in Scilit:
- SMART DETECTION: USING SUPERVISED MACHINE LEARNING FOR RESPIRATORY DISEASESAdvances and Applications in Statistics, 2024
- Enhancement and Noise Suppression of Single Low-Light Grayscale ImagesRemote Sensing, 2022
- A Threshold Selection Method from Gray-Level HistogramsIEEE Transactions on Systems, Man, and Cybernetics, 1979