OPEN SOURCE ITERATIVE BAYESIAN CLASSIFIER ALGORITHM FOR QUALITY ASSESSMENT OF PROCESSED COFFEE BEANS

ALGORITMO CLASSIFICADOR BAYESIANO ITERATIVO DE CODIGO ABERTO PARA AVALIACAO DA QUALIDADE DE GRAOS DE CAFE BENEFICIADOS A selecao de graos de cafe desempenha um papel fundamental na qualidade final do produto. Apos o processamento, os graos de cafe sao classificados de acordo com a quantidade de defeitos. Tradicionalmente, essa classificacao e executada manualmente, o que torna o processo trabalhoso e demorado. Este problema pode ser resolvido com tecnicas de processamento digital de imagens, uma vez que os graos defeituosos possuem caracteristicas visuais unicas. Considerando a dificuldade de classificacao manual dos defeitos, este trabalho teve como objetivo elaborar um algoritmo classificador bayesiano para identificar esses defeitos em graos de cafe beneficiados, com base em sua forma e cor. Para tal, foram utilizados 630 graos de cafe arabica, somando oito imagens ao todo. O algoritmo objetivou classificar quatro classes, que foram: graos normais, graos normais quebrados, graos pretos e graos pretos quebrados. Para avaliar a precisao do algoritmo classificador, calculou-se a exatidao global e o coeficiente Kappa, o que permite inferir se o classificador e melhor que uma classificacao aleatoria. Concluiu-se que o algoritmo desenvolvido apresentou uma precisao global de 76% e kappa igual a 0,6. Alem disso, a metodologia proposta mostrou grande potencial para aplicacao na avaliacao da qualidade de outros produtos, cujos parâmetros de forma e espectrais sao relevantes na avaliacao de sua qualidade.Palavras-chave: qualidade de graos de cafe; processamento digital de imagens; Jupyter Notebook; classificacao supervisionada. ABSTRACT: The selection of coffee beans plays a key role in the product's final quality. After processing, coffee beans are classified according to their quantity of defects. Traditionally this classification is performed manually, which makes the process laborious and time-consuming. This problem can be solved with digital image processing techniques since defective grains have unique visual characteristics. Considering the difficulty of manual classification of the defects, this study aimed to elaborate a Bayesian classifier algorithm to identify these defects in benefited coffee beans, based on its shape and color. To do so, 630 grains of arabica coffee were used, composing eight images in total. The algorithm aimed to classify four classes, which were: regular beans, normal broken beans, black beans, and black broken beans. In order to evaluate the accuracy of the classifier algorithm, it was calculated the global accuracy and the Kappa coefficient, which allows inferring if the classifier is better than a random classification. It was concluded that the developed algorithm presented a global accuracy of 76% and kappa equals to 0.6. Also, the proposed methodology showed great potential for application in the quality evaluation of other products, whose shape and spectral parameters are relevant in evaluating its quality.Keywords: coffee beans quality; digital image processing; Jupyter Notebook; supervised classification.