Pesquisadores da Universidade Federal do Ceará e do Instituto Federal de Educação, Ciência e Tecnologia do Ceará apresentaram em artigo publicado na revista Engenharia Agrícola o desenvolvimento do BananaRipe. Trata-se de uma aplicação web, com funcionalidades de visão computacional otimizadas para dispositivos móveis, criada para determinar o nível de maturação de bananas. O sistema apresenta 95,96% de precisão e 97,59% de recall ao diferenciar os estágios.
Imagine 100 bananas já no estágio “amarelo com pintas”: o BananaRipe acerta o ponto de 98 delas — essa taxa de “encontrar as certas” é o recall. Entre as bananas que ele marcou como “amarelo com pintas”, 96 em cada 100 estavam realmente nessa fase — essa margem de “acertar no rótulo” é a precisão. Em resumo, recall mostra quantas frutas corretas o app detecta; precisão, quantas das detectadas estão corretas.
A monitorização desse processo de amadurecimento pode minimizar as perdas pós-colheita e prolongar sua vida útil, que se deterioram rapidamente. O Brasil é o quarto maior produtor global de bananas e essa avaliação precisa da maturação é um desafio importante na fruticultura, já que essa etapa é crucial e impacta toda a cadeia logística do fruto e seu preço final.
O coração do sistema é um modelo de classificação baseado em uma arquitetura de visão computacional chamada YOLO-v8 (You Only Look Once). Ela é um conjunto de códigos, ferramentas e padrões que fornece uma estrutura básica para a criação de aplicações, também conhecida como framework.
Para chegar ao resultado, os pesquisadores treinaram uma rede neural com imagens de bananas adquiridas em uma fazenda no interior do Ceará. Elas foram categorizadas manualmente em oito estágios de maturação, baseados na cor da casca e seguindo as normas da Ceagesp (Companhia de Entrepostos e Armazéns Gerais de São Paulo), sistematizadas no âmbito do Programa Brasileiro para a Modernização da Horticultura & Produção Integrada de Frutas.
Os oito estágios são estes: completamente verde, verde com traços amarelos, mais verde que amarelo, mais amarelo que verde, amarelo com pontas verdes, completamente amarelo, amarelo com pintas marrons e amarelo com casca muito marrom. Das 1.000 imagens adquiridas, foram selecionadas, pré-processadas e redimensionadas 238 imagens.
“Os resultados demonstram que esse tipo de aplicação é viável em práticas reais do pós-colheita na bananicultura. A curto prazo, pode ajudar produtores e comerciantes a controlar melhor a qualidade de seus estoques e possibilita a identificação do estado de maturação, prevendo o melhor momento de consumo ou descarte. A longo prazo, pode ajudar em equipamentos de automação de alto nível, que realizam a seleção de frutas ou controlam robôs para colheita”, explica Emannuel Diego de Freitas, um dos autores do estudo.
A abordagem proposta pela pesquisa não se limita apenas a bananas. O modelo pode ser treinado novamente, com novos dados de imagem para ser aplicado a outras frutas, ampliando seu escopo. “Os próximos passos da pesquisa incluem a criação de um conjunto de dados para detecção de cachos e engaços na bananeira, avançando em direção a um sistema robótico de colheita”, conclui Freitas.
DOI: http://dx.doi.org/10.1590/1809-4430-Eng.Agric.v45nespe120240193/2025