Jean Lucas Neves dos SANTOS*1, Vinícius Dias de QUEIROZ1, Cleber Augusto de Lima DOMINGOS1, Luciano Silva SANTOS1, Ricardo George BHERING2
1 Discente do curso de Tecnologia em Análise e Desenvolvimento de Sistemas do Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso, Campus São Vicente, Mato Grosso, Brasil.
2 Docente do Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso, Campus São Vicente, Mato Grosso, Brasil.
*autor para correspondência: [email protected]
Resumo: O Brasil é o segundo maior produtor de soja do mundo, chegando a produzir cerca de 120,883 milhões de toneladas na safra 2018/19. Mas esses grãos antes de serem comercializados devem passar por uma classificação obrigatória, onde os grãos defeituosos são isolados dos sadios, este processo é realizado por entidades ou pessoas com autorização do Ministério da Agricultura, Pecuária e Abastecimento (MAPA). Mas durante essa análise é comum obter-se resultados subjetivos, devido ser um processo manual e sob olhar humano. Sendo assim, este trabalho tem por finalidade desenvolver um equipamento que possibilite a aquisição de imagens e um software que analisa de forma exploratória essas imagens e realize a classificação, através da utilização de visão computacional, redes neurais artificiais e outras tecnologias. Inicialmente foi projetado um protótipo virtual do equipamento na plataforma
TinkerCad. Os resultados esperados consistem em um equipamento e software, com maior
agilidade e precisão nos resultando, utilizando pouca intervenção humana.
Palavras-chave: Raspberry Pi, Subjetividade, Redes Neurais Artificias.
1 Introdução
De acordo com a Embrapa Soja, o Brasil é o segundo maior produtor de soja do mundo, chegando a produzir cerca de 120,883 milhões de toneladas na safra 2018/19. Atualmente os produtos vegetais antes de serem comercializados devem passar por uma classificação obrigatória mediante a lei nº. 9972 de 2000 (BRASIL, 2000), esse processo deve ser realizado por entidades ou pessoas que possuem a autorização fornecida pelo Ministério da Agricultura, Pecuária e Abastecimento (MAPA).
Anais da XI Jornada de Ensino, Pesquisa e Extensão: o papel da ciência frente aos desafios contemporâneos – 2020.
ISBN 978-65-993153-0-5
Página
71
Esses profissionais autorizados devem seguir as definições da Instrução Normativa Nº 11/2007, desenvolvida pelo MAPA e que estabelece as regras para classificação da soja. O processo de classificação de grãos de soja é feito manualmente, onde é preciso analisar grão a grão, para que seja possível identificar qualquer defeito. Nessa análise os grãos defeituosos são isolados dos sadios, conforme o olhar do profissional classificador, podendo resultar em análises subjetivas.
Segundo (NOTÍCIAS, 2018), geralmente os resultados subjetivos agregam grandes pro- blemas, como: queda nos preço e na qualidade do produto, o que pode provocar prejuízos de até R$ 3,1 bilhões na receita bruta dos agricultores de Mato Grosso por safra, segundo dados do Instituto Mato Grossense de Economia Agropecuária (IMEA).
Este trabalho possui como objetivo geral o desenvolvimento de um equipamento que possibilite a aquisição de imagens e um software que analisa de forma exploratória essas ima- gens e realize a classificação, através da utilização de visão computacional e redes neurais artificiais e outras tecnologias. Este dispositivo tem o propósito de obter resultados com maior precisão para assim diminuir a subjetividade na classificação.
2 Material e Métodos
Para o desenvolvimento do trabalho proposto, dividiu-se este projeto em cinco etapas, sendo as duas primeiras já contempladas no escopo deste artigo. A primeira etapa propõe a realização de estudo, pesquisa e revisão de artigos correlacionados. Na segunda etapa será realizada a prototipação do equipamento de aquisição de imagens utilizando uma ferramenta virtual, para por fim, nas últimas etapas realizar a construção do protótipo físico, desenvolvimento do software proposto e testes no software e hardware.
Na segunda etapa, utilizou-se a plataforma TinkerCad, uma ferramenta gratuita e online desenvolvida pela Autodesk. A plataforma permite a criação de design de modelos 3D em CAD (Computer-aided Design) e ainda simular circuitos elétricos analógicos ou digitais. Além disso, o TinkerCad permite implementar circuitos eletrônicos nos projetos 3D, possibilitando simular como os componentes irão responder na vida real.
As últimas etapas serão realizadas no Laboratório Maker do curso de Tecnologia em Análise e Desenvolvimento de Sistemas do Instituto Federal de Mato Grosso – Centro de Referência de Campo Verde, onde será utilizado suporte técnico de classificadores oficiais,
Anais da XI Jornada de Ensino, Pesquisa e Extensão: o papel da ciência frente aos desafios contemporâneos – 2020.
ISBN 978-65-993153-0-5
Página
72
diversas amostras de grãos de soja, a serem solicitadas em diferentes cooperativas (Sem vínculo, apenas com identificação das amostras como: Cooperativa 1, 2, 3 e assim sucessivamente), câmera Raspberry Pi v2 8MP para ser instalada dentro do protótipo para capturar as imagens e envia-las para serem processadas por um Raspberry Pi 4 Model B.
O Raspberry Pi é um computador de baixo custo e com tamanho aproximado a um cartão de crédito, facilitando sua inserção no protótipo, tornando assim um produto com tamanho e preço reduzido. Sendo assim a imagem será capturada e processada dentro do protótipo e somente a exibição dos resultados ocorrerá fora do mesmo, via monitor externo.
3 Resultados e Discussões
Na primeira etapa foram analisados os testes e resultados de artigos correlacionados, por exemplo, segundo Ribeiro, Pereira e Falate (2015), a cor da superfície onde ficará os grãos na hora de serem fotografados interfere nos resultados da fotografia, segundo eles a cor azul foi a que apresentou os melhores resultados, devido à distância de cor entre o azul e as cores do grão. As cores: branco, preto e vermelho também foram testadas, mas algumas partes do grão eram confundidas com a superfície.
Na segunda etapa se obteve como resultado uma versão inicial do protótipo de aquisição de imagem (Figura 1). Através do mesmo será possível capturar imagens com maior qualidade e precisão, devido à possibilidade de controlar a iluminação interna e outros fatores que interferem no resultado final de uma fotografia, facilitando assim a análise e extração das características presentes nas imagens.
Anais da XI Jornada de Ensino, Pesquisa e Extensão: o papel da ciência frente aos desafios contemporâneos – 2020.
ISBN 978-65-993153-0-5
Página
73
Figura 1. Primeira versão do protótipo criado na plataforma TinkerCad.
4 Conclusão
Neste trabalho foi desenvolvido um protótipo virtual do equipamento de aquisição de imagens proposto, o mesmo foi elaborado seguindo resultados dos artigos encontrados na primeira etapa do trabalho. Para as próximas etapas pretende-se obter um equipamento e um
software que auxilie no processo de classificação de grãos, visando resultados mais ágeis e
precisos.
Referências Bibliográficas
BRASIL. Lei n° 9972, de 25 de maio de 2000. Institui a classificação de produtos vegetais, subprodutos e resíduos de valor econômico, e dá outras providências. Diário Oficial da União: seção 1, 26/5/2000, Página 1.
MINISTÉRIO DA AGRICULTURA, PECUÁRIA E ABASTECIMENTO. INSTRUÇÃO NORMA-