Inspeção visual automática de grãos agrícolas: relações entre a publicação científica e a produção e o consumo de grãos

Robson Ap. Gomes; Eli Veiga Júnior; Sidnei Alves de Araújo

doi:10.5585/exactaep.2022.22654

Autores

Robson Ap. Gomes Programa de Pós-graduação em Informática e Gestão do Conhecimento (PPGI), Universidade Nove de Julho – UNINOVE http://orcid.org/0000-0003-3550-7293
Eli Veiga Júnior Programa de Pós-graduação em Informática e Gestão do Conhecimento (PPGI), Universidade Nove de Julho – UNINOVE
Sidnei Alves de Araújo Programa de Pós-graduação em Informática e Gestão do Conhecimento (PPGI), Universidade Nove de Julho – UNINOVE http://orcid.org/0000-0003-3970-5801

DOI:

https://doi.org/10.5585/exactaep.2022.22654

Palavras-chave:

Agroindústria 4.0, Visão Computacional, Inspeção Visual Automática, Grãos.

Resumo

Uma das tecnologias amplamente empregadas na indústria 4.0 é a visão computacional. No contexto da Agroindústria 4.0, essa tecnologia tem propiciado o desenvolvimento de sistemas computacionais para inspeção visual automática de produtos agrícolas, desde o plantio até a pós-colheita. A inspeção visual de grãos agrícolas na etapa de pós-colheita, por exemplo, pode trazer um diferencial competitivo para as empresas, visto que possibilita maior padronização dos resultados levando à obtenção de produtos com maior qualidade e, portanto, com maior valor agregado. A produção científica acerca da temática “inspeção visual automática de grãos agrícolas” tem crescido muito nas últimas duas décadas. Contudo, não sabe se o volume de publicações científicas dos países que mais se destacam neste campo de pesquisa guarda alguma relação (direta ou indireta) com o volume de grãos produzidos ou consumidos pelos mesmos. O presente trabalho fornece um panorama das publicações científicas sobre a temática investigada, considerando o período 2010 a 2020, bem como os volumes de produção e consumo de grãos como arroz, feijão, milho, soja e trigo. A partir desse panorama investigou-se a existência de relações entre quantidade de artigos publicados e volume de produção/consumo de grãos.

Downloads

Não há dados estatísticos.

Biografia do Autor

Robson Ap. Gomes, Programa de Pós-graduação em Informática e Gestão do Conhecimento (PPGI), Universidade Nove de Julho – UNINOVE

Doutorando em Informática e Gestão do Conhecimento pela Universidade Nove de Julho no tema Sistemas Inteligentes. Mestre em Informática e Gestão do Conhecimento (2019) e Especialista em Engenharia de Software (2015) pela Universidade Nove de Julho. Graduado em Análise e Desenvolvimento de Sistemas pela Universidade Brasil (2010). Em sua pesquisa de mestrado contribuiu para o desenvolvimento do SIVQUAF-Compact, um conjunto de hardware e software executado em plataforma embarcada, para inspeção visual automática do feijão brasileiro. Também participou ativamente do projeto de inserção social e interfaces com educação básica intitulado Capacitação para o Desenvolvimento de Ciência e Inovação na Educação Básica, cuja finalidade é capacitar alunos e professores da educação Básica para o desenvolvimento de atividades científicas e inovadoras ligadas à Tecnologia da Informação e Comunicação (TIC). Desde 2011 atua como Professor III da ETEC de Itaquera, onde leciona nos cursos técnico e médio/técnico da área de informática. Seus temas de pesquisa incluem Visão Computacional, Inteligência Artificial e Sistemas Embarcados.

Eli Veiga Júnior, Programa de Pós-graduação em Informática e Gestão do Conhecimento (PPGI), Universidade Nove de Julho – UNINOVE

Especialização em Ciência de Dados (2020) pela Universidade Nove de Julho (UNINOVE), Bacharel em Engenharia de Computação (2022) pela Universidade Anhembi Morumbi (UAM), Bacharel em Ciência da Computação (2019) e Tecnólogo em Sistemas para Internet (2018) pela Universidade Nove de Julho (UNINOVE), onde foi bolsista do Programa Universidade para Todos (ProUni). Durante o curso de Ciência da Computação participou do projeto de Iniciação Científica (IC) intitulado Visão Computacional e suas Aplicações em Tarefas de Inspeção Visual da Qualidade de Produtos Agrícolas, no qual foi bolsista PIBIC. Atualmente está cursando Mestrado em Informática e Gestão do Conhecimento como aluno regular, sendo bolsista do Programa de Suporte à Pós-Graduação de Instituições de Ensino Particulares (PROSUP) da CAPES e do Programa de Estímulo à Formação de Pesquisadores (PEFP), na UNIVOVE. Profissional com experiência no mercado de Tecnologia da Informação (TI), atuando como analista e desenvolvedor sênior de sistemas de informação em consultoria. Sua pesquisa no Mestrado tem foco na temática Inspeção Visual Automática de Grãos Agrícolas e visa o desenvolvimento de novas abordagens para automação de processos, bem como equipamento para inspeção de grãos.

Sidnei Alves de Araújo, Programa de Pós-graduação em Informática e Gestão do Conhecimento (PPGI), Universidade Nove de Julho – UNINOVE

Bolsista de Produtividade em Desenvolvimento Tecnológico e Extensão Inovadora do CNPq (DT-Nivel 2) desde 2016. Doutor em Engenharia Elétrica pela Escola Politécnica da Universidade de São Paulo - POLI/USP (2009), onde também concluiu o Pós-Doutorado em 2013. Mestre em Engenharia Elétrica (2002), Especialista em Análise de Sistemas (1995) e em Administração de Negócios (1999), Graduado em Processamento de Dados (1994) e em Licenciatura Plena (1998) pela Universidade Presbiteriana Mackenzie. Atualmente é docente permanente do Programa de Mestrado e Doutorado em Informática e Gestão do Conhecimento (PPGI), docente dos cursos de Bacharelado em Ciência da Computação e Sistemas de Informação da Universidade Nove de Julho - UNINOVE. Tem experiência nas áreas de Ciência da Computação e Engenharia, atuando principalmente nos seguintes temas: Processamento de Imagens e Visão Computacional, Inteligência Artificial, Aprendizagem de Máquina, Algoritmos Metaheurísticos e Otimização de Sistemas e Processos.

Referências

Ali, M. M., Hashim, N., Abd Aziz, S., & Lasekan, O. (2021). Quality Inspection of Food and Agricultural Products using Artificial Intelligence. Advances in Agricultural and Food Research Journal, 2(2).

Audu, J., & Aremu, A. K. (2021). Development, evaluation, and optimization of an automated device for quality detection and separation of cowpea seeds. Artificial Intelligence in Agriculture, 5, 240-251.

Araújo, S. A., Alves, W. A. L., Belan, P. A., & Anselmo, K. P. (2015). A computer vision system for automatic classification of most consumed Brazilian beans. In International Symposium on Visual Computing (pp. 45-53). Springer, Cham.

Belan, P. A., Araújo, S. A., & Santana, J. C. C. (2015). Um Sistema De Análise De Imagens Para Classificação Automática De Grãos De Feijão Brasileiro. In CILAMCE-Ibero-Latin American Congress on Computational Methods in Engineering (pp. 1-7).

Belan, P. A., Araújo, S. A., & Alves, W. A. L. (2016, July). An intelligent vision-based system applied to visual quality inspection of beans. In International Conference on Image Analysis and Recognition (pp. 801-809). Springer, Cham.

Belan, P. A., de Macedo, R. A. G., Alves, W. A. L., Santana, J. C. C., & Araújo, S. A. (2020). Machine vision system for quality inspection of beans. The International Journal of Advanced Manufacturing Technology, 111(11), 3421-3435.

Brosnan, T., & Sun, D. W. (2004). Improving quality inspection of food products by computer vision––a review. Journal of food engineering, 61(1), 3-16.

Embrapa. Manual De Classificação Do Feijão, Instrução Normativa N° 12,de 28 de março de 2008. Disponível em: <http://www.felgran.com.br/images/Classificaçao_Feijao_Embrapa .pdf> Acesso em: 03 abr 2022.

Chaugule, A. (2021). Survey of Seed Classification techniques. Turkish Journal of Computer and Mathematics Education (TURCOMAT), 12(13), 1236-1260.

Gonzalez, R. C., & Woods, R. E. (2000). Processamento de imagens digitais. Editora Blucher.

Kılıç, K., Boyacı, I. H., Köksel, H., & Küsmenoğlu, İ. (2007). A classification system for beans using computer vision system and artificial neural networks. Journal of Food Engineering, 78(3), 897-904.

Macedo, R. A., Belan, P. A., & Araújo, S. A. An Embedded Computer Vision System for Beans Quality Inspection. International Journal of Computer Applications, 975, 8887.

MAPA – Ministério da Agricultura, Pecuária e Abastecimento. Cadastro Geral da Classificação < https://www.agas.com.br/ArtigosNoticias/Arquivos/oficio%20mapa%200921.html> Acesso em 07 jul. 2019.

Massruhá, S. M. F. S., & Leite, M. D. A. (2017). Agro 4.0-rumo à agricultura digital. In Embrapa Informática Agropecuária-Artigo em anais de congresso (ALICE). In: MAGNONI JÚNIOR, L.; STEVENS, D.; SILVA, WTL DA; VALE, JMF DO; PURINI, SR DE M.; MAGNONI, M. DA GM; SEBASTIÃO, E.; BRANCO JÚNIOR, G.; ADORNO FILHO, EF; FIGUEIREDO, W. DOS S.; SEBASTIÃO, I.(Org.). JC na Escola Ciência, Tecnologia e Sociedade: mobilizar o conhecimento para alimentar o Brasil. 2. ed. São Paulo: Centro Paula Souza, 2017.

Patil, N. K., Yadahalli, R. M., & Pujari, J. (2011). Comparison between HSV and YCbCr color model color-texture based classification of the food grains. International Journal of Computer Applications, 34(4), 51-57.

Pesante-Santana, J. A., & Woldstad, J. C. (2000). Quality inspection task in modern manufacturing. In: International Encyclopedia of Ergonomics, W. Karwowski (ed), Taylor and Francis, London.

Pires, A. C., Santana, J. C. C., Pessota, J. H., & Araújo, S. A. (2013). Implementation of a prototype for automatic beans selection. In: Proceedings of XIX International Conference on Industrial Engineering and Operations Management, v. 1. p. 1-8.

Santos, A., Mangini, E. R., Urdan, A. T., & Rossini, F. H. B. (2017). Avaliação bibliométrica em inovação em serviços. Perspectivas em Gestão & Conhecimento, 7(1), 212-231.

SENAR – Serviço Nacional de Aprendizagem Rural Coleção SENAR 178 Grãos: classificação de soja e milho, Disponível em: https://www.cnabrasil.org.br/assets/arquivos/178-GR%C3%83OS.pdf > Acesso em 03 abr. 2022.

Sott, M. K., Nascimento, L. D. S., Foguesatto, C. R., Furstenau, L. B., Faccin, K., Zawislak, P. A., ... & Bragazzi, N. L. (2021). A bibliometric network analysis of recent publications on digital agriculture to depict strategic themes and evolution structure. Sensors, 21(23), 7889.

Xing, L., Wang, Y., Luo, R., & Zou, L. (2021, May). Application of computer vision technology in agricultural products and food inspection. In Journal of Physics: Conference Series (Vol. 1915, No. 3, p. 032045). IOP Publishing.