Tamanho da fonte: 

A inteligência artificial tem sido muito utilizada em várias áreas, inclusive na área da agricultura (ZHOU et al., 2021). Nos últimos anos, várias técnicas de Machine Learning e Deep Learning, como detecção e classificação de objetos por meio de imagens e vídeos, foram utilizadas em áreas de pesquisas sobre morangos (ZHOU et al., 2021). As técnicas tradicionais utilizadas para identificar a maturidade do morango são baseadas na aparência ou na composição química do morango. Porém, essas técnicas são caras e demoradas (ZHOU et al., 2021). A classificação da maturidade do morango de forma automática pode ajudar os agricultores a prever o tempo ideal de colheita do morango, melhorar a produtividade do morango e ter um melhor gerenciamento do negócio (ZHOU et al., 2021). A inteligência artificial é uma área de estudo em que estuda como construir programas que tornam os computadores inteligentes para que possam ser capazes de realizar o que é realizado na mente humana (BODEN, 1996; MCCARTHY, 2004). Machine Learning é uma subárea de inteligência artificial onde trata do aprendizado de sistemas inteligentes (BODEN, 1996). O objetivo de Machine Learning é de aprender a realizar o reconhecimento de padrões e conseguir fazer a tomada de decisões automaticamente (MITCHELL, 1997). Deep Learning é uma subárea de Machine Learning, em que os algoritmos utilizam uma grande quantidade de dados e são capazes de obter diferentes interpretações para realizar a classificação desses dados (ALZUBAIDI et al., 2021). As redes neurais artificiais estão associadas ao Deep Learning e podem ser utilizadas para aprender funções reais realizando treinamentos a partir de dados (MITCHELL, 1997). Dentro do contexto de redes neurais artificiais é relevante citar as redes neurais convolucionais, que são capazes de reconhecer objetos por meio de imagens (ALZUBAIDI et al., 2021). Neste trabalho, o objetivo é realizar vários testes com vários modelos de Machine Learning e Deep Learning (mais especificamente, em Deep Learning, as redes neurais convolucionais), para a classificação de morangos maduros, e realizar uma comparação entre esses modelos para verificar qual é o mais adequado para esta tarefa. O conjunto de imagens de morangos utilizado é StrawDI_Db1.