Um novo método baseado em sistema de visão de máquina e aprendizado profundo para detectar fraude em pó de cúrcuma

Avaliar a qualidade dos alimentos e especiarias é particularmente importante para garantir a nutrição humana adequada. O uso do método de visão computacional como técnica não destrutiva na medição da qualidade de alimentos e temperos sempre foi levado em consideração pelos pesquisadores. Devido ao alto valor nutritivo do açafrão entre as especiarias, bem como aos motivos fraudulentos para obter lucro econômico com a venda deste produto, sua avaliação de qualidade é muito importante. A falta de comercialização do grão de bico de grau 3 (grão de bico pequeno e partido) e seu preço muito baixo tornaram-no uma boa opção para ser misturado com açafrão em pó e vendido no mercado. Neste estudo, uma rede neural convolucional (CNN) aprimorada foi usada para classificar imagens de açafrão em pó para detectar fraudes. A CNN foi aprimorada com o uso de funções de pooling fechado. Também mostramos, com uma abordagem combinada baseada na integração do pooling médio e do pooling máximo, que a precisão e o desempenho do CNN proposto aumentaram. Neste estudo, 6240 amostras de imagem foram preparadas em 13 categorias (pó de açafrão puro, pó de grão de bico, pó de grão de bico misturado com corante alimentar, 10, 20, 30, 40 e 50% de fraude em açafrão). Na etapa de pré-processamento, partes indesejadas da imagem foram removidas. O aumento de dados (DA) foi usado para reduzir o problema de overfitting na CNN. Ainda nesta pesquisa, os algoritmos MLP, Fuzzy, SVM, GBT e EDT foram usados ​​para comparar os resultados da CNN propostos com outros classificadores. Os resultados mostraram que, para prevenir o problema de overfitting usando o pooling fechado, a CNN proposta foi capaz de classificar as imagens de açafrão em pó com 99,36% de precisão em comparação com outros classificadores. Os resultados deste estudo também mostraram que a visão computacional, especialmente quando usada com aprendizado profundo (DL), pode ser um método valioso na avaliação da qualidade e detecção de fraude em pó de açafrão.