Identificação de variedades de pimentas com YOLOv8: Uma aplicação de aprendizado profundo para o setor Agrifood

Resumo

A crescente demanda por eficiência e padronização no setor agroalimentar tem
impulsionado a adoção de tecnologias da Agricultura 4.0. Nesse contexto, a aplicação de técnicas de visão computacional e aprendizado profundo desponta como alternativa estratégica para modernizar cadeias agroalimentares. Este estudo avaliou a aplicação da arquitetura YOLOv8 na identificação automática de variedades de pimentas (Capsicum spp.) com o desenvolvimeno adicional de um aplicativo móvel (PWA) que integra o modelo treinado, oferecendo suporte interativo por meio de um chatbot. Para tanto, foi construído um dataset inicial de 1.476 imagens coletadas na CEAGESP e em repositórios públicos, anotadas e expandidas por meio de técnicas de data augmentation, o que totaliza 3.964 imagens. O modelo foi treinado em dois cenários (com e sem augmentation) e avaliado pelas métricas Box Precision, Recall, mAP50 e mAP95. Os resultados evidenciaram que o uso de augmentation elevou a robustez do modelo, alcançando um mAP50 de 0,694 e mitigando riscos de overfitting. Além do desempenho experimental, a pesquisa apresenta a implementação funcional de um aplicativo móvel capaz de classificar pimentas em tempo real, integrando informações adicionais sobre pungência e usos culinários.