Uso de imagens digitais no controle de qualidade de sementes de milho através de dispositivos móveis

Abstract

O milho é uma das commodities mais relevantes no mercado interno e externo do Brasil. Durante o beneficiamento das sementes de milho na indústria são selecionadas as de boa qualidade dentre as demais através de parâmetros como cor e densidade, por exemplo. A mesa de gravidade e a máquina Color Sorter são equipamentos utilizados para este fim. Para a redução do desperdício de sementes boas remanescentes no rejeito destas máquinas, os operadores realizam uma avaliação manual de amostras do mesmo determinando a quantidade de sementes de qualidade presentes ali para posterior reajuste das máquinas. Esta análise visual e manual torna-se morosa, subjetiva e imprecisa. Assim, o presente trabalho objetivou avaliar a viabilidade da utilização do aplicativo PhotoMetrix PRO® para realizar esta determinação através de imagens digitais e análise multivariada dos elementos de cor. Primeiramente, foi realizada uma otimização das condições experimentais a fim de determinar a condição ideal dentre elas. Foram feitos 18 experimentos variando-se o tamanho do recipiente de análise (Câmaras A e B), a distância da amostra até o celular (altura máxima da câmara, ⅓ e ½ da altura da câmara ) e o tamanho da região de interesse utilizada no aplicativo (384 x 384, 256 x 256 e 192 x 192). Após, construiu-se um modelo de calibração através da regressão por mínimos quadrados parciais na condição experimental previamente determinada e realizou-se a predição de algumas amostras. Na otimização foi possível concluir que a condição que forneceu o menor erro de validação cruzada foi aquela composta pela Câmara A, com ROI de 384 x 384 e máxima distância do celular até a amostra. O modelo de calibração construído nestas condições forneceu um coeficiente de determinação igual a 0,976, o RMSEC igual a 1,23% e o RMSECV igual a 4,76%. Na predição observou-se dois outliers que geraram um erro absoluto de 17,7%, quando eles foram retirados, o RMSEP caiu para 2,24%. Os limites de quantificação e detecção também foram calculados, obteve-se 10,20 e 3,06% respectivamente. Assim, foi possível concluir que a metodologia se mostrou promissora, apresentou coerência nos resultados e forneceu erros aceitáveis para a aplicação proposta, ainda que necessite de aperfeiçoamentos e mais estudos.

Corn is one of the most important commodities in Brazil’s economy. During the processing of corn seeds in the industry, those of good quality are selected among the others through parameters such as color and density, for example. The gravity table and the Color Sorter machine are equipment used for this purpose. To reduce the waste of good seeds remaining in the tailings of these machines, the operators carry out a manual evaluation of samples of the same, determining the quantity of quality seeds present there for later readjustment of the machines. This visual and manual analysis becomes time consuming, subjective and imprecise. Thus, this study aimed to evaluate the feasibility of using the PhotoMetrix PRO® application to perform this determination through digital images and multivariate analysis of color elements. First, an optimization of the experimental conditions was carried out in order to determine the ideal condition. Eighteen experiments were performed varying the size of the analysis recipient (Chambers A and B), the distance from the sample to the cell (maximum height of the chamber, ⅓ and ½ of the height of the chamber) and the size of the region of interest used in the application (384 x 384, 256 x 256 and 192 x 192). A calibration model was built using partial least squares regression in the previously determined experimental condition and a prediction of some samples was performed. In the optimization, it was possible to conclude that the condition that provided the smallest cross-validation error was that composed by Chamber A, with a ROI of 384 x 384 and maximum distance from the cell phone to the sample. The calibration model built under these conditions provided a coefficient of determination equal to 0.976, the RMSEC equal to 1.23% and the RMSECV equal to 4.76%. In the prediction, two outliers were observed that generated an absolute error of 17.7%, when they were removed, the RMSEP dropped to 2.24%. The limits of quantification and detection were also calculated, obtaining 10.2 and 3.06% respectively. Thus, it was possible to conclude that the methodology proved to be promising, presented coherence in the results and provided acceptable errors for the proposed application, even though it requires improvements and more studies.