PREDIÇÃO DE PROPRIEDADES FÍSICAS DE SOJA POR MEIO DE VISÃO COMPUTACIONAL E REDES NEURAIS ARTIFICIAIS

O Brasil é o segundo maior produtor mundial de soja, cultura importante para o agronegócio do país. O projeto e operação de equipamentos e processos para a garantia da qualidade na pós-colheita requerem o conhecimento de propriedades físicas da soja, as quais necessitam de métodos laboratoriais e instrumentos para serem medidas. Assim, um sistema que conseguisse predizer adequadamente tais propriedades por meio de imagens digitais representaria maior velocidade, facilidade e baixo custo na obtenção dessas informações. Este trabalho teve como objetivo desenvolver um mecanismo de predição de propriedades físicas de duas variedades diferentes de soja por meio de imagens digitais e modelagem por Redes Neurais Artificiais (RNA). Para isso, as propriedades de ângulo de repouso, volume granular, diâmetro aparente, porosidade, circularidade (esfericidade) e área superficial de grãos de soja foram determinadas por métodos convencionais e imagens de unidades de soja foram capturadas com câmera digital em condições de iluminação controladas. As imagens passaram por um tratamento com transformada rápida de Fourier para obtenção de histogramas de cinzas. Após passar por análise de componentes principais, os dados foram utilizados como alimentação, juntamente das propriedades medidas, para o processo de treinamento e validação das RNAs no software SAS JMP (versão 14) pelo método k-fold. Para todas as variáveis preditoras a validação das RNAs resultou em valores baixos de correlação, apesar de os dados de treinamento mostrarem o contrário. Condições não suficientemente adequadas de obtenção das imagens das sojas, bem como a própria dificuldade de correlação de certas propriedades, como umidade, com as fotos podem ter proporcionado a baixa generalização.