REDES NEURAIS ARTIFICIAIS NA CLASSIFICAÇÃO DE FRUTOS: CENÁRIO BIDIMENSIONAL

Ano: 2003 | Volume: 27 | Número: 2

Autores: Bidimensional, J. P. S. Ramos

Palavras-chave: redes neurais artificias, classificação, redes múltiplas camadas

Resumo Português:

Inúmeras são as atividades agrícolas que
necessitam de interação humana nos processos decisórios,
e entre elas encontra-se a classificação de frutos. O
consumo de frutos in natura exige altíssimo nível de
qualidade, demandando um processo classificatório
mais acurado. A classificação de frutos depende do reconhecimento
de padrões natural ou artificial, de acordo
com algumas categorias pré-definidas. Uma vez que um
padrão de um fruto está sendo classificado, esse deve
ser comparado com algum outro padrão armazenado. A
maior parte da classificação de frutos é baseada na classificação
humana.Este trabalho apresenta a possibilidade
de uso de redes neurais artificiais no desenvolvimento
de modelos de classificação de frutos por meio de vetores
de padrões. Este trabalho foi desenvolvido no Departamento
de Máquinas Agrícolas da Faculdade de
Engenharia Agrícola da Universidade Estadual de Campinas,
as redes neurais armazenaram os vetores de padrões
de frutos peso, diâmetro. Esses componentes vetoriais
associados entre si interagiram, determinando um
vetor padrão de saída de acordo com os padrões de frutos
armazenados. Para atingir esses objetivos, foi usada
uma rede Perceptron de múltiplas camadas, com
algoritmo de treinamento tipo retro-propagação para
armazenar os vetores de padrões de frutos e para classificação
desses padrões de entrada. A rede treinada
conseguiu aprender a relação entre vetores de entrada
e saída, demonstrando a potencialidade do uso de tais
ferramentas na classificação artificial.

Resumo Inglês:

Agriculture is one of the economic
activities that more require the presence human being in
the decision taking. Innumerable are the processes that
require some type of human being interference in the
conclusion of the processes. Fruit Sorting depends on
human or artificial pattern recognition according to
some pre defined categories. Once a fruit pattern is
under classification, this one must be compared to some
other ones stored. After that comparison it can be
classified. Most sorting fruits jobs are human basis
classification. This paper shows that using neural
networks is possible to develop capable models of
storing fruit pattern vectors. Given any fruit pattern
vector to the model it can classify to the closest fruit
pattern vector stored. The number of patterns were
incremented and presented to the neural networks,
classifying the presented fruits and proved the
scalability of number of vector components used in fruit
pattern vectors stored in the model. This work was
developed in the Agricultural Machinery Department of
the Agricultural Faculty in State University of
Campinas, the neural networks stored fruit pattern
vectors such as Weight, Diameter. These vectors
components associated itself interacted determining an
output pattern vector classifying according to the stored
fruit vector patterns. A Multi Layer Perceptron Network
with Backpropagation algorithm was used, storing the
relationship between input fruit pattern vectors and
output classification class vectors. The neural network
was trained and tested presenting the desired results, it
can be used as a tool for future fruit classification
processes.