Measuring image analysis attributes and
modelling fuzzy consumer aspects for
tomato quality grading
Programa de Pós-Graduação em Informática – UFRJ
Trabalho da disciplina Inteligência Computacional
Integrantes
Matrícula
Ramiro Pereira de Magalhães
Rosane Sfair Huergo
111510679
112097585
Objetivos do estudo
Avaliar a capacidade de classificar tomates automaticamente usando
informações visuais e o mesmo raciocínio impreciso empregado por
pessoas ao selecioná-los para consumo.
Introdução


Há definições oficiais de qualidade de tomates, mas elas variam
muito e são pouco específicas.
Consumidor qualifica alimentos imprecisamente com seus sentidos,
ainda que os produtores possam avaliar atributos objetivamente.
Introdução

Adoção da avaliação por imagem evitando contato e
destruição dos tomates.
Características Visuais

Tamanho
– Usou-se o maior diâmetro como medida de tamanho.
– Há grande correlação entre o peso e a área.
P = 0,0021 A1,3614
R2 = 0,9955
Características Visuais

Cor
– A cor é um indicador de
amadurecimento.
– Conversão da imagem RGB
para o padrão internacional de
especificação de cores
CIE/XYZ.
– O comprimento de onda
dominante é um índice de
amadurecimento.
– A comparação com a avaliação
humana mostrou sobreposição
nos estágios 6-8.
Características Visuais

Formato
– Estimado a partir da área, perímetro, eixo maior e menor
– Contorno é eficiente para avaliar anomalias de formato.
Características Visuais

Manchas e danos
– Manchas são medidas pelo
histograma do comprimento de onda
dominante
– Mais de um pico demonstra
anormalidade.
– Danos são identificados pela
descontinuidade de reflexão
Correlação de características

Quais desses atributos estão relacionados com outros
não mensuraveis?
– Maturidade e firmeza
– Maturidade e BRIX
– Maturidade e vitamina C
Mapeamento fuzzy

Classes propostas:
Mapeamento fuzzy


Distribuições de características triangulares.
Processamento com operadores AND. Operadores
GAMMA (compensatory AND) também podem ser
aplicados.
Resultados