Comparação da implementação de sistema de visão computacional via Algoritmos Clássicos e Inteligência Artificial focada em processamento de imagens para a seleção de ovos brancos defeituosos

Abstract

Durante o desenvolvimento do Optoclass, necessitava-se do desenvolvimento de algoritmos para detectar ovos brancos defeituosos: quebrados, sujos, trincados e vazados. Dois paradig-mas do desenvolvimento dos algoritmos de visão computacional apresentam-se: usar a abor-dagem clássica ou usar inteligência artificial para desenvolvê-los. Os blocos de construção so-bre os quais este trabalho se sustenta foram as bibliotecas Opencv e Pytorch. O trabalho deu-se de forma de usar o dataset, já preparado para o treinamento da rede neural convolucional Res-net-18 customizada, no desenvolvimento, validação e averiguação dos resultados no dataset, segundo as métricas de acurácia, recall, índice de Jaccard e, principalmente, o tempo de exe-cução em CPU, já que é preciso analisar um ovo a cada 250 milissegundos, aproximadamente. Os resultados obtidos foram favoráveis à rede neural convolucional, com tempo máximo em 30 milissegundos e acurácia superior 90% no pior dos casos. Por outro lado, os algoritmos clássicos respondem mais lentamente, mesmo com o uso menor de GPU, sendo entre 2,5 a 3 vezes mais lentas, sendo que essa velocidade da resposta varia para cada defeito.