Classificador de Tomates com ESP32 e Aprendizado de Máquina

Se você já trabalhou com produtos frescos, provavelmente sabe sobre classificação. Além de determinar se, digamos, uma moranga é boa ou não, eles também precisam os classificar por cor. Sabe disso, você não se importa se um pacote de morangas é um pouco mais vermelho do que outro, mas você se importa se um pacote tem muita variação de cor.

Aqui está uma técnica que foi aplicada com sucesso à classificação de tomates, usando a ESP32 e o aprendizado de máquina. O sistema sabe se você está processando tomates padrão ou tomates cereja e usa dois conjuntos diferentes de dados aprendidos dependendo do que você escolher. O programa recebe os dados brutos de um sensoir óptico e então processa-os para remover as imagens vazias da cinta transportadora, calcular a informação estatística e agrupar os dados para um único fruto.

Uma coisa que gostamos foi o verificação heurística de validade do programa. Ele sabe que a tamanho aproximado de um tomate é e, então, o código nota se o fruto parece muito grande para um tomate cereja ou muito pequeno para um tomate padrão. Isso reduz, mas não elimina, as miscategorizações.

O código é um hógado de pilha, então o programa tem que pedir uma pilha muito maior. Se você quiser tentar isso sozinho, há um simulador disponível na web, então você não precisa nem mesmo de hardware ou tomates para tentar.

Os computadores têm muitos usos em uma fazenda moderna.

Tomates cereja padrão

Padrão vs. cereja

Ao escolher entre padrão e cereja, o sistema considera dois conjuntos de aprendizado de máquina. Isso significa que os dados obtidos pelo sensoir óptico têm resultados diferentes, dependendo do tipo de tomate que está sendo processado.

Cabeça do código é a pilha, então o programa deve requisitar uma pilha muito maior, pois é um hógado de pilha, para armazenar os dados da memória.

O simulador é uma ótima maneira de entender como o classificador funciona sem precisar de hardware ou frutas.

A aplicação do aprendizado de máquina não para por aqui. A ESP32 é usada em muitas das soluções do mercado de tecnologia da ESP32.

Classificação de Tomates com ESP32 e Aprendizado de Máquina

A classificação de tomates é um dos exemplos mais comuns de aplicação do aprendizado de máquina. O sistema aprende a distinguir entre tomates cereja e tomate padrão. O sensoir óptico coleta dados brutos e o programa processa-os para obter resultados precisos.

Os programadores usaram dois conjuntos de dados aprendidos, dependendo do tipo de fruto processado. Isso garante a precisão dos resultados. Uma das vantagens é que o simulador permite que os usuários testem o sistema sem precisar de hardware.

A utilização de computadores em fazendas modernas é cada vez maior e o classificador de tomates é um exemplo de como a tecnologia pode ser aplicada no dia a dia.

Funcionamento do Classificador

O sistema funciona da seguinte forma:

• O sensoir óptico coleta dados brutos e envia-os ao programa.
• O programa processa os dados para remover as imagens vazias e calcular a informação estatística.
• O programa agrupa os dados para um único fruto.
• O sistema aprende a distinguir entre tomates cereja e tomate padrão.

A aplicação do aprendizado de máquina não para por aqui. A ESP32 é usada em muitas das soluções do mercado de tecnologia da ESP32.