ZeaScan: ferramenta computacional para classificação e tipificação de grãos de milho utilizando redes neurais convolucionais
Loading...
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Instituto Federal de Educação, Ciência e Tecnologia do Piauí
Resumo
O milho, cultura essencial para a segurança alimentar global e para a indústria
agroalimentar, demanda métodos eficazes de controle de qualidade que minimizem
perdas e assegurem conformidade com padrões técnicos. Nesse cenário, este
trabalho apresenta o ZeaScan, um aplicativo móvel baseado em redes neurais
convolucionais (CNNs), desenvolvido para automatizar a classificação de grãos de
milho nas categorias sadios, ardidos e carunchados. A metodologia empregada
envolveu o pré-processamento de imagens para o realce de características
morfológicas e cromáticas, a aplicação de técnicas de aumento de dados para
ampliar a capacidade de generalização do modelo e o treinamento de uma
arquitetura de CNN otimizada para execução eficiente em dispositivos móveis. Os
resultados demonstraram alto desempenho do sistema. Na classificação em três
classes, foram obtidos valores globais de acurácia, precisão, recall e F1-score de
97,36%. Já na configuração binária, que diferencia grãos sadios de defeituosos, o
modelo alcançou 97,50% de acurácia, 97,62% de precisão, 97,50% de recall e
97,53% de F1-score. Esses achados evidenciam a robustez do ZeaScan, capaz de
reduzir a subjetividade dos métodos manuais e oferecer uma solução prática,
inovadora e eficiente para o controle de qualidade do milho. O estudo representa um
avanço no emprego da visão computacional aplicada à cadeia produtiva,
disponibilizando uma ferramenta que alia rigor técnico e praticidade operacional,
com potencial impacto positivo na sustentabilidade e na eficiência do agronegócio.
Description
Keywords
Visão computacional, Grãos de milho - classificação, ZEASCAN (Aplicativo móvel), Segurança alimentar global, Indústria agroalimentar
Citation
FERREIRA NETO, Osmar Leite. ZeaScan: ferramenta computacional para classificação e tipificação de grãos de milho utilizando redes neurais convolucionais. Orientador: Otílio Paulo da Silva Neto. 2025. 124 f. Dissertação (Mestrado em Engenharia de Materiais) - Instituto Federal do Piauí, Campus Teresina Central, Teresina, 2025.