Análise de Grãos com Visão Computacional e Rede Neural Convolucional

2025-914.maisO projeto se trata de uma automação para análise de grãos,visando identificar e avaliar amostras, usando como dados para fazer análise: a umidade, densidade, peso e características visuais. Cumpre-se a proposta de integrar tecnologias modernas de automação, sensoriamento e inteligência artificial em um único equipamento funcional, preciso e de fácil operação.
Foto do usuário

Foto do usuário

Divinópolis/MG
Universidade do Estado de Minas Gerais
Engenharias
Pôster CientíficoRelatório

Palavras-chave

Automação, Visão Computacional, Mecatrónica, Análise, Grãos

Resumo Científico

O projeto consiste em um sistema automatizado para análise de grãos, capaz de identificar e avaliar amostras quanto à umidade, densidade, peso e características visuais. Cumpre-se a proposta de integrar tecnologias modernas de automação, sensoriamento e inteligência artificial em um único equipamento funcional, preciso e de fácil operação. O objetivo geral é apresentar uma equipamento destinado à análise de grãos, em que os processos físicos e computacionais são integrados, para atender o setor agrícola, visando proporcionar o maior controle de qualidade de diversos grãos. Processos a serem realizados: Pesar a amostra inicial com balança de precisão; Desidratar os grãos por meio de um sistema de aquecimento controlado; Pesar a amostra seca novamente; Analisar visualmente a amostra com uma câmera de alta resolução. Todos esses componentes são controlados por um microcontrolador (Arduino), que gerencia o acionamento de mecanismos como um braço robótico ou uma esteira para movimentação da amostra, coleta dados dos sensores e transmite as informações para o computador principal. Este, por sua vez, é responsável por executar algoritmos de Visão Computacional utilizando Redes Neurais Convolucionais (CNN), que permitem avaliar a qualidade dos grãos com base em padrões visuais.O projeto atendeu aos objetivos de coleta de dados e imagens. Juntamente com uma rede neural bem treinada, alcançou mais de 80% de confiança em seus resultados, para identificar e categorizar cada grão como 'Bom' ou 'Ruim'.