A data mining approach for prediction of quality attributes in Palmer mango from images

Palavras-chave: Processamento de imagem, Métodos não destrutivos, Random Forest, Regressão

Resumo

O monitoramento de atributos de qualidade tais como sólidos solúveis totais (SST), massa, acidez e firmeza são essenciais para uma melhor conservação pós-colheita da manga. Este trabalho propõe uma abordagem não-destrutiva para predição desses atributos de qualidade usando imagens digitais. A abordagem proposta é composta de três etapas: 1) especificação dos parâmetros de amostragem da manga, 2) identificação de técnicas de processamento digital de imagens e 3) utilização da técnica Random Forest como estimador dos atributos de qualidades. Para validar a abordagem proposta, foi feito um estudo comparativo entre sua performance e modelos encontrados na literatura. O estudo empregou duas métricas de avaliação de performance: o coeficiente de correlação (R) e a raiz do erro quadrático médio (RMSE). De forma a comparar a diferença de performance entre a abordagem proposta e as encontradas na literatura, foi realizado um teste t de Student pareado. Os resultados mostram que a abordagem proposta teve uma performance superior quando comparada às demais, com um nível de confiança a 95%.

Downloads

Não há dados estatísticos.
Publicado
2020-06-09
Como Citar
[1]
Reis, D., Neto, R., Costa, J., Neto, A. e Costa, M. 2020. A data mining approach for prediction of quality attributes in Palmer mango from images. Revista Brasileira de Computação Aplicada. 12, 2 (jun. 2020), 54-66. DOI:https://doi.org/10.5335/rbca.v12i2.10866.
Seção
Artigo Original
Share |