LCLeiliane Teles César

Leiliane Teles César

*This is an algorithmically generated author record based on publicly available information.

Leiliane Teles César has a total of 7 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Aplicação de redes neurais convolucionais para treinamento de inteligência artificial na avaliação de embutidos de pescados

    by Rafael Pereira Frota, Felipe Costa de Souza, David de Souza Ferreira, Vitória Elmídio Ripardo, Francisca Joyce Elmiro Timbó Andrade, Leiliane Teles César, Raimundo Alan Freire Moreira, Mirla Dayanny Pinto Farias

    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.