CLASSIFICAÇÃO DE VARIEDADES DE UVAS PASSAS USANDO APRENDIZADO DE MÁQUINA E VISÃO COMPUTACIONAL

Resumo

A diferenciação de produtos alimentícios através de algoritmos de classificação baseados em informações químicas e físicas tem desempenhado um papel importante na agricultura e na ciência de alimentos, permitindo o controle de qualidade, garantia de autenticidade e automação de processos industriais. No entanto, a aplicação desses algoritmos em diferentes produtos e propriedades específicas requer estudos e adaptações específicas. Neste artigo, nosso objetivo é classificar duas variedades de uvas passas, Kecimen e Besni, reconhecidas como um dos principais produtos agrícolas do país. Para isso, utilizamos uma base de dados pública que descreve propriedades morfológicas dos grãos de uva passas obtidas por meio de técnicas avançadas de visão computacional. A classificação é realizada utilizando técnicas de aprendizado de máquina supervisionado, incluindo SVM (Support Vector Machines), LDA (Linear Discriminant Analysis) e ANN (Artificial Neural Networks), além de algoritmos de seleção de variáveis. Nosso objetivo é identificar as características distintivas de cada variedade, contribuindo para a classificação precisa e confiável. Com os experimentos, obtivemos resultados robustos para caracterizar e classificar as variedades de uvas passas. Esses resultados podem abrir caminho para pesquisas futuras sobre a caracterização e classificação de outros produtos alimentícios.