Classificação de farinha usando imagens hiperespectrais e redes neurais

Redes neurais é uma técnica de aprendizado de máquinas em ascensão atualmente. Ela tem sido, aplicada em diferentes contextos para resolver problemas de regressão e classificação. O objetivo desse estudo era ter um método capaz de classificar 3 tipos de diferentes de farinha, 10 tipos de fibra e 3 porcentagens de fibra em um conjunto de amostras. Assim, um conjunto de imagens hiperespectrais foi gerado utilizando diferentes amostras de farinha. Em seguida, 3 redes neurais foram criadas, cada uma apta a classificar uma característica (farinha, fibra, porcentagem de fibra) diferente. Em torno de 1500 imagens foram usadas no estudo e o conjunto de dados foi dividido em dados de treino (80 % das imagens) e de validação (20% das imagens). As métricas usadas para avaliar os resultados foram accuracy, recall e precision. A primeira análise foi feita para a farinha pura na qual o modelo conseguiu prever perfeitamente o tipo de farinha (100 % de accuracy, precision e recall). Para fibras, foi encontrado 75% de accuracy no conjunto de treino e 71% no conjunto de validação. E o terceiro foi a porcentagem de fibras para o qual encontrou-se 91% de accuracy para ambos os conjuntos de treino e validação. Enfim, os resultados mostram o quão útil e poderosas essas técnicas podem ser para prever estas 3 categorias ( um tipo de farinha, fibra e porcentagem de fibra) para um problema de classificação de farinhas.