Classificação de Imagens de Frutas utilizando Aprendizado de Máquina

Abstract

Este trabalho tem como propósito utilizar técnicas de aprendizado de máquina para classificação de imagens de frutas. O objetivo deste trabalho é atingir uma acurácia superior a 90% no conjunto que será testado. Foram utilizados modelos de redes neurais convolucionais utilizando a biblioteca Keras em Python. Os modelos de aprendizado de máquina escolhidos para este trabalho são modelos pré-treinados disponíveis na biblioteca Keras. Esses modelos foram treinados em um grande conjunto de imagens chamado ImageNet, e serão aplicados nesse trabalho utilizando o método de transferência de aprendizagem. Além disso, também foi construído um modelo utilizando redes neurais convolucionais a fim de comparação com os resultados encontrados com os outros modelos. O conjunto de dados inicialmente escolhido foi o Fruit Dataset, composto por 20 classes de objetos. As imagens do conjunto de dados foram usadas diretamente como entrada da rede neural para treinamento e aplicação. Os resultados obtidos mostram que a abordagem proposta valida a utilização de redes neurais para classificação de frutas com uma alta acurácia.

This work aims to use machine learning techniques to classify fruit images. The objective of this work is to reach an accuracy rate higher than 90% in the dataset that will be tested. Convolutional neural network models were used using the Keras library in Python. The machine learning models selected for this work are pre-trained models available in the Keras library. These models were trained in a large dataset of images called ImageNet, and will be applied in this work using the transfer learning method. In addition, a model was also constructed using convolutional neural networks in order to compare with the results found with the other models. The dataset initially chosen was the Fruit Dataset, composed of 20 classes of objects. The images were used directly as neural network input for training and application. The results show that the proposed approach validates the use of neural networks for fruit classification with high accuracy.