Desenvolvimento de um sistema de visão computacional para detecção do ponto de colheita de bananas

Abstract

Este trabalho desenvolve um sistema de visão computacional para identificar o ponto ideal de colheita de bananas, visando garantir a qualidade e o bom aspecto do fruto para o consumidor. As bananas precisam ser colhidas antes de atingirem a coloração amarela, permitindo que cheguem ao destino sem perda de qualidade visual e nutricional. Para isso, o sistema proposto utiliza o modelo YOLOv8 para detectar cachos e bananas ainda na bananeira, além de analisar a cor do fruto como uma aproximação para identificar o estágio de maturação ideal para a colheita. O método escolhido envolveu o treinamento do modelo YOLOv8 em um conjunto de dados que permite o reconhecimento das bananas e de seus respectivos cachos, correlacionando a coloração do fruto com o ponto ideal de maturação. Os resultados indicaram que o sistema apresenta boa precisão na detecção dos cachos e das bananas, bem como na análise da coloração do fruto, oferecendo uma estimativa confiável para o ponto de colheita. Embora não seja totalmente exato, o método se mostra útil como uma ferramenta de apoio para produtores, promovendo eficiência na cadeia de suprimento de bananas. Assim, o sistema de visão computacional apresentado se destaca como uma solução promissora para o manejo agrícola, contribuindo para a tomada de decisão no momento da colheita e impactando positivamente na qualidade dos produtos oferecidos ao mercado.

This work develops a computer vision system to identify the ideal harvest time for bananas, aiming to ensure the quality and appearance of the fruit for consumers. Bananas must be harvested before they reach a yellow coloration to arrive at their destination without losing visual or nutritional quality. For this purpose, the proposed system utilizes the YOLOv8 model to detect banana bunches and individual bananas still on the plant, as well as to analyze the fruit's color as an approximation for identifying the optimal maturation stage for harvest. The chosen method involved training the YOLOv8 model on a dataset capable of recognizing bananas and their respective bunches, correlating the fruit's coloration with the ideal maturation point. The results indicated that the system shows good accuracy in detecting bunches and bananas, as well as in analyzing the fruit's color, providing a reliable estimate for the harvest point. Although it is not completely precise, the method proves useful as a decision-support tool for producers, promoting efficiency in the banana supply chain. Thus, the computer vision system presented stands out as a promising solution for agricultural management, contributing to informed harvesting decisions and positively impacting the quality of products offered to the market.