Para citar este trabalho use um dos padrões abaixo:
Classificação de defeitos de grãos de café arabica por redes convolucionais desenvolvidas correlacionando aos seus perfis de carboidratos
William Bernardes Magalhães
Departamento de Química /Centro de Ciências Exatas / Universidade Estadual de Londrina
Agora você poderia compartilhar comigo suas dúvidas, observações e parabenizações
Crie um tópicoTwo convolutional networks were trained on coffee beans images aiming to locate and classify defective grains. Defects were also distinguished according to their carbohydrate profiles analyzed by HPLC
Luis Fernando Amorim Batista
Olá, William, tudo bem? Excelente trabalho e belíssima apresentação. Parabéns mesmo!
Fiquei curioso sobre este trabalho:
1. Em termos de ampliação de escala de uso, há a possibilidade de acoplar a rede neural, por exemplo, a uma esteira, para a separação dos grãos defeituosos de maneira mais rápida?
2. Estão sendo desenvolvidos em seu grupo de pesquisa trabalhos para a verificação de defeitos em outros tipos de grãos, além de grãos de diferentes tipos de café?
Mais uma vez, parabéns pelo trabalho.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo
William Bernardes Magalhães
Olá Luis, obrigado pelas perguntas.
1. Essa é uma possibilidade, mas a velocidade dessa esteira seria limitada pelo tempo que leva para a rede neural avaliar a imagem, que depende bastante do dispositivo.
Nos nossos testes, em um celular Samsung S9 a rede leva ~2s para fazer a segmentação e classificação. Já num desktop com uma GPU RTX2060 o tempo cai para ~50ms.
2. Nós não experimentamos usar esta tecnologia em outros grãos. Em teoria é possível, mas é necessário treinar a rede com imagens de outros grãos e ver como ela responde.