CLASSIFICAÇÃO DE DEFEITOS EM AMEIXAS AFRICANAS USANDO REDE NEURAL CONVOLUCIONAL PRÉ-TREINADA

Resumo

Diante dos resultados obtidos, conclui-se que a aplicação de redes neurais convolucionais, em especial o modelo YOLOv11n, mostrou-se eficaz para a tarefa de classificação automática de defeitos em ameixas africanas, alcançando acurácia de 89% mesmo diante de diferenças visuais sutis entre as 6 classes. A metodologia adotada, baseada na CRISP-DM, permitiu estruturar o desenvolvimento do projeto de forma sistemática, desde a preparação e balanceamento dos dados até a validação rigorosa do modelo. A análise das métricas e da matriz de confusão evidenciou a capacidade do modelo em generalizar o aprendizado, mesmo em um cenário de múltiplas classes e padrões visuais semelhantes. Dessa forma, os resultados reforçam o potencial da inteligência artificial como ferramenta de apoio ao controle de qualidade no setor agrícola.