INTELIGÊNCIA ARTIFICIAL NA OTIMIZAÇÃO DO PROCESSAMENTO DE MACAÚBA (ACROCOMIA ACULEATA): RECONHECIMENTO DE PADRÕES FITOBIOMÉTRICOS
Reconhecimento de padrões fitobiométricos; YOLOv11; YOLOv12; detecção de frutos imaturos; automação agroindustrial; classificação de frutos.
A macaúba (Acrocomia aculeata) é uma palmeira nativa do Brasil que vem ganhando destaque pelo elevado potencial econômico e ambiental. Esta proposta tem como objetivo avaliar duas arquiteturas de ponta da família YOLO (You Only Look Once) — YOLOv11x e YOLOv12x — para o reconhecimento automatizado de padrões fitobiométricos em frutos imaturos de macaúba, visando apoiar a otimização de processos agroindustriais e o controle de qualidade pós-colheita. Será empregado o dataset VIC01, desenvolvido para este contexto, composto por 1.600 imagens anotadas obtidas em condições de fundo neutro (background-free) e fundo natural (on-background). Os modelos serão implementados em PyTorch e treinados até a estabilização dos componentes de perda associados à regressão de caixas delimitadoras, classificação e distribuição focal. A avaliação comparativa considerará múltiplas métricas e cenários de fundo, examinando tanto a qualidade de detecção quanto a robustez espacial e o custo computacional em inferência. De forma geral, serão avaliadas diferentes arquiteturas quanto ao desempenho para a tarefa proposta, considerando diferentes cenários. Este trabalho busca evidenciar a relevância de se selecionar arquiteturas conforme os requisitos específicos da aplicação, equilibrando qualidade de detecção, discriminação de fundo e limites computacionais, com potencial de contribuir para maior sustentabilidade e eficiência na cadeia produtiva da macaúba.