@MASTERSTHESIS{ 2024:628185209,
 	title = {Desenvolvimento de um sistema integrado de classificação colorimétrica para identificação de estágios de maturação de tomates tipo Roma},
 	year = {2024},
 	url = "http://tede.bc.uepb.edu.br/jspui/handle/tede/5090",
 	abstract = "A indústria alimentícia enfrenta uma demanda crescente por métodos precisos e confiáveis para avaliar a qualidade dos tomates, com ênfase no parâmetro cor, crucial para determinar o estágio de maturação e a aceitação pelo consumidor. A análise visual tradicional, apesar de amplamente utilizada, apresenta deficiências significativas, tal como a subjetividade, resultando em variabilidade entre avaliadores. Em contraste, a visão computacional, com uso de sensores ópticos, oferece uma abordagem objetiva e consistente, permitindo a classificação precisa dos estágios de maturação com base em dados quantitativos. O presente estudo desenvolveu um método automático de classificação colorimétrica para tomates tipo Roma em diferentes estágios de maturação, utilizando o sensor óptico TCS3472 integrado com Arduino. A pesquisa buscou atender à necessidade da indústria alimentícia por métodos precisos e não destrutivos, capazes de distinguir entre tomates verdes, semi-maduros e maduros. Foram utilizados modelos de classificação univariada e multivariada, incluindo a análise de componentes principais (PCA), análise discriminante por componentes principais (PCA-DA) e a análise discriminante por mínimos quadrados parciais (PLS-DA). O desempenho dos modelos foi avaliado em termos de precisão, sensibilidade, especificidade e taxa de correção classificatória (TCC), comparando-se os espaços de cor RGB e CIE Lab* e medidas de reflectância. Os resultados indicaram que o modelo RGB, especialmente quando utilizado em SIMCA e PLS-DA, apresentou uma alta TCC, superior a 97%, com 98% de sensibilidade para tomates maduros, 94% para semi-maduros e 100% para verdes. A abordagem baseada na diferença entre os canais azul (B) e vermelho (R) mostrou-se particularmente eficaz, superando os modelos baseados em sinais individuais de R e G. Por outro lado, o modelo CIE Lab* apresentou melhor desempenho na identificação de tomates verdes, mas mostrou dificuldades na classificação de tomates maduros e semi-maduros. A pesquisa conclui que o método baseado em RGB é mais adequado para aplicações que exigem alta precisão e confiabilidade na classificação dos estágios de maturação dos tomates, enquanto o método baseado em refletância CIE Lab* pode ser útil em contextos onde a identificação de tomates verdes seja crítica. A aplicação prática do método proposto pode otimizar a seleção e o processamento de tomates na indústria, contribuindo para a redução de perdas pós-colheita e aumentando a eficiência dos processos de produção.",
 	publisher = {Universidade Estadual da Paraíba},
 	scholl = {Programa de Pós-Graduação em Química - PPGQ},
 	note = {Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP}
}