Uma equipa de investigadores da Universidade do Porto alcançou o primeiro lugar na categoria de “Melhor Artigo de Agronomia” com o seu estudo inovador sobre a deteção e classificação de tomates em estufas utilizando modelos de Deep Learning e o espaço de cores HSV.
O artigo, intitulado “Benchmark of Deep Learning and a Proposed HSV Colour Space Models for the Detection and Classification of Greenhouse Tomato“, foi distinguido pela sua contribuição significativa para a automação da colheita de tomates, um cultivo de elevado valor acrescentado na horticultura protegida.
Os autores do estudo são Germano Moreira, Sandro Augusto Magalhães, Tatiana Pinho, Filipe Neves dos Santos e Mário Cunha, representando as Faculdades de Ciências e de Engenharia da Universidade do Porto, assim como o INESC TEC. A pesquisa foi liderada por Germano Moreira e Mário Cunha, que também foram os pontos de contacto principais para correspondência.
Este estudo aborda a colheita de tomates, uma operação recorrente na produção agrícola que se apresenta como uma excelente candidata à automação. No entanto, a colheita robótica de tomates ainda está longe de alcançar a maturidade necessária. Desenvolver um sistema preciso de deteção de frutos é um passo crucial para se alcançar uma colheita robótica totalmente automatizada. A equipa propôs a utilização de modelos de Deep Learning, como o SSD MobileNet v2 e o YOLOv4, para detetar tomates e comparou esses sistemas com um modelo baseado em histogramas no espaço de cores HSV para classificar cada tomate e determinar o seu estado de maturação.
Este reconhecimento sublinha a importância da pesquisa conduzida pela equipa da Universidade do Porto, destacando a aplicação de tecnologias avançadas para resolver problemas complexos na agricultura. A utilização de Deep Learning e modelos de espaço de cores HSV demonstrou ser uma abordagem robusta e eficaz, abrindo caminho para avanços futuros na automação da colheita de tomates e potencialmente de outras culturas.
Leia o artigo aqui.
O artigo foi publicado originalmente em Rede Rural Nacional.
