Classificação Inteligente do Teste de Corte do Cacau com Redes Neurais Convolucionais Profundas

Abstract

Este trabalho considera a classificação automática de amêndoas de cacau no Teste de Corte como uma tarefa de Visão Computacional abordada com Redes Neurais Convolucionais. Com uma base de dados com exemplos de 14 classes, foram realizados experimentos com validação cruzada holdout os quais mostraram as redes Inception, VGG-16 e EfficientNetB0 como tendo melhor desempenho para a tarefa (acurácia média igual a 68,28 % ± 3,21, 65,54 % ± 3,05 e 55,04 % ± 2,03, respectivamente). Tais modelos foram combinados em um comitê com votação suave cuja acurácia média foi igual a 89,79 % ± 0,92, o que superou os modelos individuais avaliados. Este é um resultado promissor que pode apoiar objetivos estratégicos na melhoria da qualidade da produção do cacau no Brasil.