OPEN SOURCE ITERATIVE BAYESIAN CLASSIFIER ALGORITHM FOR QUALITY ASSESSMENT OF PROCESSED COFFEE BEANS
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Outros Autores: | , , , , , |
Tipo de documento: | Artigo |
Idioma: | eng |
Título da fonte: | Nativa (Sinop) |
Texto Completo: | https://periodicoscientificos.ufmt.br/ojs/index.php/nativa/article/view/8074 |
Resumo: | ALGORITMO CLASSIFICADOR BAYESIANO ITERATIVO DE CÓDIGO ABERTO PARA AVALIAÇÃO DA QUALIDADE DE GRÃOS DE CAFÉ BENEFICIADOS A seleção de grãos de café desempenha um papel fundamental na qualidade final do produto. Após o processamento, os grãos de café são classificados de acordo com a quantidade de defeitos. Tradicionalmente, essa classificação é executada manualmente, o que torna o processo trabalhoso e demorado. Este problema pode ser resolvido com técnicas de processamento digital de imagens, uma vez que os grãos defeituosos possuem características visuais únicas. Considerando a dificuldade de classificação manual dos defeitos, este trabalho teve como objetivo elaborar um algoritmo classificador bayesiano para identificar esses defeitos em grãos de café beneficiados, com base em sua forma e cor. Para tal, foram utilizados 630 grãos de café arábica, somando oito imagens ao todo. O algoritmo objetivou classificar quatro classes, que foram: grãos normais, grãos normais quebrados, grãos pretos e grãos pretos quebrados. Para avaliar a precisão do algoritmo classificador, calculou-se a exatidão global e o coeficiente Kappa, o que permite inferir se o classificador é melhor que uma classificação aleatória. Concluiu-se que o algoritmo desenvolvido apresentou uma precisão global de 76% e kappa igual a 0,6. Além disso, a metodologia proposta mostrou grande potencial para aplicação na avaliação da qualidade de outros produtos, cujos parâmetros de forma e espectrais são relevantes na avaliação de sua qualidade.Palavras-chave: qualidade de grãos de café; processamento digital de imagens; Jupyter Notebook; classificação supervisionada. ABSTRACT: The selection of coffee beans plays a key role in the product's final quality. After processing, coffee beans are classified according to their quantity of defects. Traditionally this classification is performed manually, which makes the process laborious and time-consuming. This problem can be solved with digital image processing techniques since defective grains have unique visual characteristics. Considering the difficulty of manual classification of the defects, this study aimed to elaborate a Bayesian classifier algorithm to identify these defects in benefited coffee beans, based on its shape and color. To do so, 630 grains of arabica coffee were used, composing eight images in total. The algorithm aimed to classify four classes, which were: regular beans, normal broken beans, black beans, and black broken beans. In order to evaluate the accuracy of the classifier algorithm, it was calculated the global accuracy and the Kappa coefficient, which allows inferring if the classifier is better than a random classification. It was concluded that the developed algorithm presented a global accuracy of 76% and kappa equals to 0.6. Also, the proposed methodology showed great potential for application in the quality evaluation of other products, whose shape and spectral parameters are relevant in evaluating its quality.Keywords: coffee beans quality; digital image processing; Jupyter Notebook; supervised classification. |
id |
UFMT-2_bb92f5da3d6886741dd2e1603666a677 |
---|---|
oai_identifier_str |
oai:periodicoscientificos.ufmt.br:article/8074 |
network_acronym_str |
UFMT-2 |
network_name_str |
Nativa (Sinop) |
repository_id_str |
|
spelling |
OPEN SOURCE ITERATIVE BAYESIAN CLASSIFIER ALGORITHM FOR QUALITY ASSESSMENT OF PROCESSED COFFEE BEANSALGORITMO CLASSIFICADOR BAYESIANO ITERATIVO DE CÓDIGO ABERTO PARA AVALIAÇÃO DA QUALIDADE DE GRÃOS DE CAFÉ BENEFICIADOS A seleção de grãos de café desempenha um papel fundamental na qualidade final do produto. Após o processamento, os grãos de café são classificados de acordo com a quantidade de defeitos. Tradicionalmente, essa classificação é executada manualmente, o que torna o processo trabalhoso e demorado. Este problema pode ser resolvido com técnicas de processamento digital de imagens, uma vez que os grãos defeituosos possuem características visuais únicas. Considerando a dificuldade de classificação manual dos defeitos, este trabalho teve como objetivo elaborar um algoritmo classificador bayesiano para identificar esses defeitos em grãos de café beneficiados, com base em sua forma e cor. Para tal, foram utilizados 630 grãos de café arábica, somando oito imagens ao todo. O algoritmo objetivou classificar quatro classes, que foram: grãos normais, grãos normais quebrados, grãos pretos e grãos pretos quebrados. Para avaliar a precisão do algoritmo classificador, calculou-se a exatidão global e o coeficiente Kappa, o que permite inferir se o classificador é melhor que uma classificação aleatória. Concluiu-se que o algoritmo desenvolvido apresentou uma precisão global de 76% e kappa igual a 0,6. Além disso, a metodologia proposta mostrou grande potencial para aplicação na avaliação da qualidade de outros produtos, cujos parâmetros de forma e espectrais são relevantes na avaliação de sua qualidade.Palavras-chave: qualidade de grãos de café; processamento digital de imagens; Jupyter Notebook; classificação supervisionada. ABSTRACT: The selection of coffee beans plays a key role in the product's final quality. After processing, coffee beans are classified according to their quantity of defects. Traditionally this classification is performed manually, which makes the process laborious and time-consuming. This problem can be solved with digital image processing techniques since defective grains have unique visual characteristics. Considering the difficulty of manual classification of the defects, this study aimed to elaborate a Bayesian classifier algorithm to identify these defects in benefited coffee beans, based on its shape and color. To do so, 630 grains of arabica coffee were used, composing eight images in total. The algorithm aimed to classify four classes, which were: regular beans, normal broken beans, black beans, and black broken beans. In order to evaluate the accuracy of the classifier algorithm, it was calculated the global accuracy and the Kappa coefficient, which allows inferring if the classifier is better than a random classification. It was concluded that the developed algorithm presented a global accuracy of 76% and kappa equals to 0.6. Also, the proposed methodology showed great potential for application in the quality evaluation of other products, whose shape and spectral parameters are relevant in evaluating its quality.Keywords: coffee beans quality; digital image processing; Jupyter Notebook; supervised classification.Universidade Federal de Mato Grosso2020-02-05info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://periodicoscientificos.ufmt.br/ojs/index.php/nativa/article/view/807410.31413/nativa.v8i1.8074Nativa; v. 8 n. 1 (2020); 118-123Nativa; Vol. 8 Núm. 1 (2020); 118-123Nativa; Vol. 8 No. 1 (2020); 118-1232318-7670reponame:Nativa (Sinop)instname:Universidade Federal de Mato Grosso (UFMT)instacron:UFMTenghttps://periodicoscientificos.ufmt.br/ojs/index.php/nativa/article/view/8074/6675Copyright (c) 2020 Nativainfo:eu-repo/semantics/openAccessSantos, Fernando Ferreira Lima dosTelles, Lucas Arthur de AlmeidaRosas, Jorge Tadeu FimGomes, Amanda Pereira AssisMartins, Rodrigo NogueiraNascimento, Amélia Laísy doSousa, Emanoel Di Tarso dos Santos2020-04-10T17:49:50Zoai:periodicoscientificos.ufmt.br:article/8074Revistahttps://periodicoscientificos.ufmt.br/ojs/index.php/nativaPUBhttps://periodicoscientificos.ufmt.br/ojs/index.php/nativa/oai||rrmelo2@yahoo.com.br2318-76702318-7670opendoar:2020-04-10T17:49:50Nativa (Sinop) - Universidade Federal de Mato Grosso (UFMT)false |
dc.title.none.fl_str_mv |
OPEN SOURCE ITERATIVE BAYESIAN CLASSIFIER ALGORITHM FOR QUALITY ASSESSMENT OF PROCESSED COFFEE BEANS |
title |
OPEN SOURCE ITERATIVE BAYESIAN CLASSIFIER ALGORITHM FOR QUALITY ASSESSMENT OF PROCESSED COFFEE BEANS |
spellingShingle |
OPEN SOURCE ITERATIVE BAYESIAN CLASSIFIER ALGORITHM FOR QUALITY ASSESSMENT OF PROCESSED COFFEE BEANS Santos, Fernando Ferreira Lima dos |
title_short |
OPEN SOURCE ITERATIVE BAYESIAN CLASSIFIER ALGORITHM FOR QUALITY ASSESSMENT OF PROCESSED COFFEE BEANS |
title_full |
OPEN SOURCE ITERATIVE BAYESIAN CLASSIFIER ALGORITHM FOR QUALITY ASSESSMENT OF PROCESSED COFFEE BEANS |
title_fullStr |
OPEN SOURCE ITERATIVE BAYESIAN CLASSIFIER ALGORITHM FOR QUALITY ASSESSMENT OF PROCESSED COFFEE BEANS |
title_full_unstemmed |
OPEN SOURCE ITERATIVE BAYESIAN CLASSIFIER ALGORITHM FOR QUALITY ASSESSMENT OF PROCESSED COFFEE BEANS |
title_sort |
OPEN SOURCE ITERATIVE BAYESIAN CLASSIFIER ALGORITHM FOR QUALITY ASSESSMENT OF PROCESSED COFFEE BEANS |
author |
Santos, Fernando Ferreira Lima dos |
author_facet |
Santos, Fernando Ferreira Lima dos Telles, Lucas Arthur de Almeida Rosas, Jorge Tadeu Fim Gomes, Amanda Pereira Assis Martins, Rodrigo Nogueira Nascimento, Amélia Laísy do Sousa, Emanoel Di Tarso dos Santos |
author_role |
author |
author2 |
Telles, Lucas Arthur de Almeida Rosas, Jorge Tadeu Fim Gomes, Amanda Pereira Assis Martins, Rodrigo Nogueira Nascimento, Amélia Laísy do Sousa, Emanoel Di Tarso dos Santos |
author2_role |
author author author author author author |
dc.contributor.author.fl_str_mv |
Santos, Fernando Ferreira Lima dos Telles, Lucas Arthur de Almeida Rosas, Jorge Tadeu Fim Gomes, Amanda Pereira Assis Martins, Rodrigo Nogueira Nascimento, Amélia Laísy do Sousa, Emanoel Di Tarso dos Santos |
description |
ALGORITMO CLASSIFICADOR BAYESIANO ITERATIVO DE CÓDIGO ABERTO PARA AVALIAÇÃO DA QUALIDADE DE GRÃOS DE CAFÉ BENEFICIADOS A seleção de grãos de café desempenha um papel fundamental na qualidade final do produto. Após o processamento, os grãos de café são classificados de acordo com a quantidade de defeitos. Tradicionalmente, essa classificação é executada manualmente, o que torna o processo trabalhoso e demorado. Este problema pode ser resolvido com técnicas de processamento digital de imagens, uma vez que os grãos defeituosos possuem características visuais únicas. Considerando a dificuldade de classificação manual dos defeitos, este trabalho teve como objetivo elaborar um algoritmo classificador bayesiano para identificar esses defeitos em grãos de café beneficiados, com base em sua forma e cor. Para tal, foram utilizados 630 grãos de café arábica, somando oito imagens ao todo. O algoritmo objetivou classificar quatro classes, que foram: grãos normais, grãos normais quebrados, grãos pretos e grãos pretos quebrados. Para avaliar a precisão do algoritmo classificador, calculou-se a exatidão global e o coeficiente Kappa, o que permite inferir se o classificador é melhor que uma classificação aleatória. Concluiu-se que o algoritmo desenvolvido apresentou uma precisão global de 76% e kappa igual a 0,6. Além disso, a metodologia proposta mostrou grande potencial para aplicação na avaliação da qualidade de outros produtos, cujos parâmetros de forma e espectrais são relevantes na avaliação de sua qualidade.Palavras-chave: qualidade de grãos de café; processamento digital de imagens; Jupyter Notebook; classificação supervisionada. ABSTRACT: The selection of coffee beans plays a key role in the product's final quality. After processing, coffee beans are classified according to their quantity of defects. Traditionally this classification is performed manually, which makes the process laborious and time-consuming. This problem can be solved with digital image processing techniques since defective grains have unique visual characteristics. Considering the difficulty of manual classification of the defects, this study aimed to elaborate a Bayesian classifier algorithm to identify these defects in benefited coffee beans, based on its shape and color. To do so, 630 grains of arabica coffee were used, composing eight images in total. The algorithm aimed to classify four classes, which were: regular beans, normal broken beans, black beans, and black broken beans. In order to evaluate the accuracy of the classifier algorithm, it was calculated the global accuracy and the Kappa coefficient, which allows inferring if the classifier is better than a random classification. It was concluded that the developed algorithm presented a global accuracy of 76% and kappa equals to 0.6. Also, the proposed methodology showed great potential for application in the quality evaluation of other products, whose shape and spectral parameters are relevant in evaluating its quality.Keywords: coffee beans quality; digital image processing; Jupyter Notebook; supervised classification. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-02-05 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://periodicoscientificos.ufmt.br/ojs/index.php/nativa/article/view/8074 10.31413/nativa.v8i1.8074 |
url |
https://periodicoscientificos.ufmt.br/ojs/index.php/nativa/article/view/8074 |
identifier_str_mv |
10.31413/nativa.v8i1.8074 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
https://periodicoscientificos.ufmt.br/ojs/index.php/nativa/article/view/8074/6675 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2020 Nativa info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2020 Nativa |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Mato Grosso |
publisher.none.fl_str_mv |
Universidade Federal de Mato Grosso |
dc.source.none.fl_str_mv |
Nativa; v. 8 n. 1 (2020); 118-123 Nativa; Vol. 8 Núm. 1 (2020); 118-123 Nativa; Vol. 8 No. 1 (2020); 118-123 2318-7670 reponame:Nativa (Sinop) instname:Universidade Federal de Mato Grosso (UFMT) instacron:UFMT |
instname_str |
Universidade Federal de Mato Grosso (UFMT) |
instacron_str |
UFMT |
institution |
UFMT |
reponame_str |
Nativa (Sinop) |
collection |
Nativa (Sinop) |
repository.name.fl_str_mv |
Nativa (Sinop) - Universidade Federal de Mato Grosso (UFMT) |
repository.mail.fl_str_mv |
||rrmelo2@yahoo.com.br |
_version_ |
1799711196678455296 |