Resumo:

reconhecimento de padrões tem como objetivo classificar alguns conjuntos de dados em classes ou clusters específicos, tendo várias aplicações na agriaccucultura. A objetivação do processo minimiza erros, pois reduz a subjetividade, permitindo uma remuneração mais justa ao produtor e produtos padronizados ao consumidor. Assim,este trabalho teve como objetivo desenvolver um sistema embarcado cominteligência artificial para determinar o estádio de maturação de bananas (outputs) a partir dainserção de dados físicos (peso do fruto, textura e diâmetro), físico-químicos (pH, acideztitulável (AT),sólidos solúveis (SS) e relação SS/TA) e bioquímicos (açúcares totais,compostos fenólicos, ácido ascórbico, quantificação de pigmentos na casca e na polpa dos frutos e atividade antioxidante pelos métodos DPPH e FRAP) (inputs). As bananas foram colhidas em cada estádio avaliado, de acordo com a escala de maturação de Von Loesecke, a saber:estádio 2, totalmente verde; estádio 4, mais amarela que verde; estádio 6, amarela; e estádio 7,amarela com manchas marrons. Posteriormente, foram selecionados e submetidos a uma análise de qualidade. Os dados obtidos foram então minerados, e os atributos foramselecionados,utilizando o software WEKA. O software classificador foi desenvolvido em MATLAB. Os atributos mais relevantes selecionados no classificador Bayes Net, para ométodo de Cross-Validation, foram: texturas apical, central, basal e média (entre as texturasapical, mediana e basal), pH, sólidos solúveis, compostos fenólicos, atividades antioxidantes, pelos métodos FRAP e DPPH, vitamina C, antocianinas da polpa, teor de clorofila a na cascado fruto e açúcar,resultando em uma medida F média de 97,0%.

Termos para indexação
Agricultura 4.0; triagem de vegetais; mineração de dados; Musaspp.; pós-colheita