YOLOv8 para Controle de Produção Pós-colheita e Beneficiamento de Frutos

##plugins.themes.bootstrap3.article.main##

Priscila Cathlen Alves Sá
https://orcid.org/0009-0005-3567-3170
Ana Quezia
https://orcid.org/0000-0003-4227-0984
Cleber Marcus
https://orcid.org/0009-0005-0445-9286
Claudemiro Lima Júnior
https://orcid.org/0000-0002-6640-6340
Alexandre M. A. Maciel
https://orcid.org/0000-0003-4348-9291
Carmelo Bastos-Filho
https://orcid.org/0000-0002-0924-5341

Resumo

Este artigo teve  como objetivo avaliar o desempenho do modelo de inteligência artificial YOLOv8 para identificar contentores de frutos em imagens e vídeos. Os resultados mostraram que a rede é capaz de atingir alta precisão, tanto em imagens quanto em vídeos, mesmo em condições adversas. A pesquisa operacional (PO) desempenha um papel fundamental nesse trabalho, pois é utilizada para modelar o problema de negócio, identificado como a ausência de controle, em tempo real, da quantidade de frutos beneficiados e como o monitoramento desses contentores pode fornecer métricas para estimativas essenciais de controle de colheita.

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Como Citar
Sá, P., Quezia, A., Marcus, C., Lima Júnior, C., Maciel, A., & Bastos-Filho, C. (2023). YOLOv8 para Controle de Produção Pós-colheita e Beneficiamento de Frutos. Revista De Engenharia E Pesquisa Aplicada, 9(1), 115-122. https://doi.org/10.25286/repa.v9i1.2788
Seção
Edição Especial em Ciência de Dados e Analytics

Artigos mais lidos pelo (s) mesmo (s) autor (es)