Como saber se a fruta do dragão está madura utilizando a visão por computador

A fruta do dragão (também chamada pitaya, pitahaya ou pera morango) é conhecida pela sua pele cor-de-rosa brilhante, escamas com pontas verdes e polpa salpicada. Originário da América Central e do Sul, este fruto exótico viajou para longe das suas raízes. 

Atualmente, é cultivada em regiões tropicais durante todo o ano, o que a torna comum nos mercados de todo o mundo. Conhecida pelos seus benefícios para a saúde, a fruta do dragão é uma boa fonte de vitamina C, magnésio e antioxidantes que podem apoiar o bem-estar geral. 

À medida que a popularidade da fruta do dragão tem vindo a aumentar e cada vez mais pessoas gostam de a comer, o desafio de saber quando está pronta para ser colhida também tem crescido. Tanto os agricultores como os consumidores perguntam frequentemente: Como é que se pode saber se a fruta do dragão está madura? 

Tradicionalmente, as pessoas julgam o estado de maturação da pitaia pela cor da pele, pela firmeza ou pela secagem das escamas. Mas estes sinais são inconsistentes e variam consoante as diferentes variedades de fruta do dragão.

‍

Para os produtores, esta inconsistência pode significar a perda de valor da colheita. Para os consumidores, muitas vezes a fruta tem um aspeto apelativo mas falta-lhe o sabor. Para resolver este desafio, os agricultores e investigadores estão a recorrer à tecnologia. 

Com a ajuda da inteligência artificial (IA) e da visão por computador, que permitem às máquinas interpretar e analisar dados visuais, a deteção do estado de maturação está a tornar-se mais consistente e precisa. Por exemplo, os modelos de visão por computador, como o Ultralytics YOLO11, suportam várias tarefas, como a deteção de objectos e a segmentação de instâncias, que podem ser utilizadas para identificar, separar e analisar frutos quanto à sua maturação. Isso ajuda os agricultores a classificar e classificar as colheitas de forma mais eficiente, reduzir erros e manter padrões consistentes. 

Neste artigo, vamos analisar mais detalhadamente a razão pela qual é difícil dizer quando a pera do dragão está madura, porque é que os métodos tradicionais muitas vezes falham e como a visão por computador está a tornar a deteção da maturação mais fiável. Vamos começar! 

Por que razão é difícil determinar o estado de maturação da fruta do dragão? 

Antes de nos debruçarmos sobre os métodos tradicionais de verificação da maturação, vejamos primeiro porque é que determinar quando é que a pitaia está madura pode ser tão difícil.

À primeira vista, o fruto do dragão parece bastante simples de apreciar: abrir, colher e comer. Mas quem já tentou escolher um sabe que o verdadeiro desafio é saber quando é que está maduro. Ao contrário das bananas, melancias ou mangas, que mostram sinais claros à medida que amadurecem, o fruto do dragão deixa-nos muitas vezes na dúvida.

Parte da confusão deve-se ao facto de não existir apenas um tipo de fruta do dragão. Existem três variedades de cores principais, e cada uma amadurece de forma um pouco diferente. Para além da cor, os frutos do dragão também diferem na forma, tamanho e caraterísticas da pele. Alguns têm escamas mais compridas, enquanto outros são mais arredondados. 

Eis um olhar mais atento sobre os diferentes tipos de fruta do dragão:

• Fruta do dragão branca: Esta é a variedade mais comum, com polpa branca salpicada de pequenas sementes pretas.
  ‍
• Fruta do dragão vermelha ou cor-de-rosa: Tem uma polpa magenta ou cor-de-rosa e uma pele vermelha vibrante, o que a torna especialmente apelativa.
  ‍
• Fruta do dragão amarela: Esta variedade é menos comum, com pele dourada ou amarela e uma reputação de ser a variedade mais doce.

‍

Maneiras tradicionais de saber se a fruta do dragão está madura

Antes de os agricultores adoptarem tecnologias de ponta como a IA, os controlos de maturação baseavam-se em pistas visuais e tácteis simples. Estas práticas ainda hoje são amplamente utilizadas nas explorações agrícolas e nos mercados.

Eis alguns indicadores comuns de que um fruto do dragão está maduro: 

• Cor da pele: A maioria das pessoas verifica primeiro a pele do fruto do dragão. A polpa cor-de-rosa ou vermelha brilhante significa normalmente que está madura, enquanto as manchas verdes significam que ainda precisa de mais tempo. O fruto do dragão amarelo deve ter uma pele dourada com poucas manchas. No entanto, esta regra não é universal. Alguns frutos parecem maduros por fora mas não estão prontos por dentro, enquanto outros desenvolvem manchas à medida que se tornam demasiado maduros.

• Textura: O tato é outro teste. Uma pitaia madura deve ceder ligeiramente quando pressionada, tal como um abacate maduro. Se estiver muito firme, é provável que esteja pouco maduro. Se estiver demasiado mole ou mole, pode já estar demasiado madura. A textura também nem sempre é fiável, uma vez que o manuseamento e a forma como se guarda a pitaia podem alterar a firmeza da fruta.

• Outros sinais: Os produtores de frutos do dragão baseiam-se por vezes em pequenos pormenores. As brácteas ou asas folhosas do fruto podem começar a secar e a enrolar-se à medida que o fruto amadurece, e um ligeiro aroma doce perto do caule também pode ser uma pista. Estas dicas podem ajudar, mas são subtis e fáceis de perder.

Como a IA de visão está a mudar a deteção do estado de maturação da fruta do dragão

As pistas tradicionais, como a cor da pele ou a firmeza, podem ser úteis, mas são frequentemente inconsistentes. A visão por computador torna a deteção do estado de maturação do fruto do dragão mais fiável, aprendendo com milhares de imagens rotuladas e reconhecendo padrões que as pessoas poderiam ignorar.

Por exemplo, o suporte do YOLO11 para tarefas como a deteção de objectos, a segmentação de instâncias e a classificação de imagens pode ser utilizado para analisar a fruta em pormenor quando o modelo é treinado à medida em conjuntos de dados relevantes. 

Em particular, a deteção de objectos pode identificar frutos individuais numa imagem. Da mesma forma, a segmentação de instâncias pode separar cada fruto do que o rodeia, mesmo quando se sobrepõem, e a classificação de imagens pode atribuir etiquetas com base em caraterísticas como a forma, a textura ou a cor.

‍

Treinar o YOLO11 para detetar o fruto do dragão maduro

De imediato, o YOLO11 é pré-treinado em conjuntos de dados bem conhecidos, dependendo da tarefa. Para a deteção e segmentação de objectos, é pré-treinado no conjunto de dados COCO, que inclui objectos do quotidiano como pessoas, animais e carros. 

Para a classificação de imagens, é pré-treinado no conjunto de dados ImageNet, que também abrange uma vasta gama de categorias comuns. Esta pré-treino dá ao YOLO11 um ponto de partida forte, mas para tarefas especializadas como a deteção da maturação do fruto do dragão, ainda precisa de ser afinado ou treinado à medida num conjunto de dados dedicado

Eis uma visão geral de como o YOLO11 pode ser treinado à medida para a deteção do estado de maturação da fruta do dragão:

• Recolha de dados: Milhares de imagens de fruta do dragão são capturadas em diferentes condições de iluminação, ângulos e fases de crescimento. Cada imagem é anotada de acordo com a tarefa. Para a classificação de imagens, as etiquetas podem incluir pouco maduro, maduro e demasiado maduro. Para a deteção de objectos ou segmentação de instâncias, são desenhadas caixas delimitadoras ou máscaras à volta dos frutos para marcar a sua localização e contorno. Estes exemplos rotulados dão ao YOLO11 a informação de que necessita para aprender.

• Modelo de formação: O treino do YOLO11 não começa do zero. Através da aprendizagem por transferência, baseia-se nas caraterísticas visuais aprendidas com os seus conjuntos de dados pré-treinados, como o COCO para deteção e segmentação ou o ImageNet para classificação, e adapta-os às caraterísticas da fruta do dragão. O treino personalizado do YOLO11 com imagens anotadas permite que o modelo capte sinais de maturação, como mudanças na cor da pele, alterações de textura e variações na forma da fruta.

• Validação e teste: Após o treino, o YOLO11 pode ser avaliado num conjunto separado de imagens de fruta do dragão que nunca viu antes, chamado conjunto de validação ou teste. As suas previsões são comparadas com os rótulos verdadeiros para medir a exatidão e identificar erros, como a classificação incorrecta de um fruto pouco maduro como maduro. Esta avaliação ajuda a evitar o sobreajuste e garante que o modelo está a aprender pistas de maturação relevantes em vez de memorizar os dados de treino.

Aplicações do mundo real da visão por computador na deteção da maturação

Em seguida, vamos explorar a forma como a visão computacional está a ser aplicada à agricultura e ao processamento no mundo real, particularmente na colheita de fruta do dragão.

Drones para monitorização e avaliação do estado de maturação

Durante décadas, os agricultores tinham de andar fila após fila ao sol, verificando os frutos à mão. Este processo era lento, trabalhoso e, muitas vezes, deixava escapar sinais subtis de maturação escondidos sob as folhas ou espalhados por grandes campos.

Atualmente, estão a surgir novas abordagens que utilizam drones e visão por computador para monitorizar a maturidade dos frutos. Estes sistemas podem captar imagens de alta resolução que revelam alterações subtis na cor e na textura, oferecendo informações que são difíceis de captar a olho nu.

Em vez de dependerem apenas de controlos manuais, os modelos de visão por computador podem ajudar a avaliar o estado de maturação a partir das imagens captadas. Ao identificar o estado de maturação mais cedo e a escalas maiores, os agricultores podem planear melhor as colheitas e colocar a fruta no mercado no seu pico.

Robôs para colheita automática de fruta 

A apanha da fruta tem tudo a ver com o tempo. Um dia demasiado cedo ou demasiado tarde pode reduzir o valor de uma colheita, razão pela qual a robótica está a tornar-se parte integrante da agricultura. Por exemplo, os investigadores desenvolveram robôs de colheita de frutos do dragão que utilizam a visão por computador e a deteção de objectos para localizar os frutos em ambientes complexos.

Uma vez identificada a fruta tropical, o robot pode guiar uma pinça ou garra mecânica para a colher com o mínimo de danos. Alguns sistemas também têm funções de seleção integradas para distinguir frutos maduros de frutos pouco maduros ou danificados, utilizando a visão por computador. Com vários braços robóticos a trabalhar em simultâneo, estas máquinas podem potencialmente efetuar uma colheita mais rápida e consistente do que os humanos, reduzindo simultaneamente o risco de danos nas colheitas.

‍

Prós e contras da utilização da IA de visão para a deteção de frutos do dragoeiro

Eis alguns dos principais benefícios da utilização da visão por computador para a deteção do estado de maturação da fruta do dragão:

• Reduz o desperdício: A deteção exacta do estado de maturação reduz a colheita prematura e evita danos durante o armazenamento e o transporte.

• Garante uma qualidade consistente: Os agricultores podem fornecer frutos na fase correta de maturação, criando confiança nos consumidores e aumentando o valor de mercado.

• Suporta a triagem em grande escala: Os sistemas de visão podem processar colheitas a granel de forma rápida e precisa, reduzindo a necessidade de grandes equipas de trabalho manual.

Por outro lado, eis algumas limitações a ter em conta quando se utiliza a IA de visão para a deteção de frutos do dragão:

• Dependência de dados: Os modelos de visão têm um melhor desempenho quando são treinados em conjuntos de dados grandes e diversificados de fruta do dragão capturados em diferentes condições de iluminação, ângulos e fases de crescimento.

• Esforços de anotação: A preparação destes conjuntos de dados exige uma etiquetagem cuidadosa, muitas vezes com a participação de especialistas, o que pode ser moroso e trabalhoso.

• Custos elevados: O desenvolvimento, a formação e a implementação de sistemas de IA podem implicar despesas significativas em hardware, software e conhecimentos técnicos, o que pode constituir um obstáculo para as explorações agrícolas mais pequenas.

Principais conclusões

A visão computacional tem o potencial de transformar a forma como a fruta do dragão é colhida e selecionada, o que também se aplica à agricultura em geral. Desde o campo até à linha de embalagem, as ferramentas com visão podem simplificar a colheita, a seleção e a embalagem, ajudando os agricultores a fornecer fruta de forma mais consistente. À medida que a tecnologia avança, é provável que a IA de visão desempenhe um papel ainda maior na agricultura.

Pronto para explorar a IA? Junte-se à nossa comunidade e ao repositório GitHub para saber mais sobre IA e visão computacional. Visite as nossas páginas de soluções para explorar mais aplicações de visão computacional na agricultura e IA na robótica. Consulte as nossas opções de licenciamento e comece a utilizar a visão computacional hoje mesmo!