RESUMO O aumento da eficiência de secadores solares com garantia de que o sistema permaneça acessível a todos os usuários pode ser alcançado com sua automação por meio de sensores de baixo custo e fácil utilização. Objetivou-se desenvolver, implantar e avaliar um sistema automático de monitoramento dos parâmetros de secagem em secador híbrido solar-elétrico (SHSE). Inicialmente, foi desenvolvido e instalado o sistema automático de aquisição de dados para a coleta dos parâmetros de massa da amostra e temperatura do ar e umidade relativa do ar de secagem. O sistema automatizado foi validado comparando-o com aparelhos convencionais de medição dos parâmetros em estudo. Os dados obtidos foram submetidos à análise de variância, teste de Tukey e regressão linear a p ≤ 0,05. O sistema ligar/desligar do exaustor funcionou de forma eficiente, reduzindo os erros relacionados à medição da massa. O GERAR Mobile App mostrou-se fácil de ser usado por possuir ícones intuitivos e compatibilidade com os sistemas operacionais mais utilizados para dispositivos móveis. As respostas na comunicação via Bluetooth foram rápidas. A utilização do Arduino, um microcontrolador de baixo custo, para automatizar a atividade de monitoramento permitiu estimar a massa do produto e coletar os dados de temperatura do ar de secagem e umidade relativa do ar por meio do DHT22. Este sensor mostrou boa correlação de leituras de massa e temperatura do ar entre o sistema automático e convencional, mas baixa correlação para umidade relativa do ar. Em geral, o sistema de aquisição de dados monitorou em tempo real os parâmetros para secagem de produtos agrícolas no SHSE.

ABSTRACT Increasing the efficiency of solar dryers with ensuring that the system remains accessible to all users can be achieved with their automation through low-cost and easy-to-use technique sensors. The objective was to develop, implement and evaluate an automatic system for monitoring drying parameters in a hybrid solar-electric dryer (HSED). Initially, an automated data acquisition system for collecting the parameters of sample mass, air temperature, and relative air humidity was developed and installed. The automatic mass data acquisition system was calibrated in the hybrid solar-electric dryer. The automated system was validated by comparing it with conventional devices for measuring the parameters under study. The data obtained were subjected to analysis of variance, Tukey test and linear regression at p ≤ 0.05. The system to turn on/off the exhaust worked efficiently, helping to reduce the errors related to the mass measurement. The GERAR Mobile App showed easy to be used since it has intuitive icons and compatibility with the most used operating systems for mobile devices. The responses in communication via Bluetooth were fast. The use of Arduino, a low-cost microcontroller, to automate the monitoring activity allowed estimating the mass of the product and collecting the drying air temperature and relative air humidity data through the DHT22. This sensor showed a good correlation of mass and air temperature readings between the automatic and conventional system, but low correlation for relative air humidity. In general, the automatic data acquisition system monitored in real time the parameters for drying agricultural products in the HSED.

ABSTRACT Coffee growers who produce the robusta species (Conilon) have sought to increase productivity and drink quality by improving production techniques. Artificial vision systems can assist in increasing the efficiency of operations associated with crop management. This study aimed to obtain colorimetric characteristics of robusta coffee fruits at different stages of maturity and use them for classifying fruits from digital images. A digital camera with spectral resolution in the visible was used to acquire images from 60 samples of coffee fruits at the green, cherry, and over-ripe stages of maturity. Colorimetric variables were extracted from the RGB, HIS, and L*a*b* color models and correlated with the physicochemical attributes of the fruits. The principal component analysis associated with the k-means technique was applied to the colorimetric variables that showed a significant correlation with the physical-chemical attributes. The colorimetric variables were reduced to a principal component, which presented an explanatory percentage of the variance of 82.33%. The clustering obtained by the application of the k-means technique showed the feasibility of using images for the automatic classification of robusta coffee fruits, with an overall accuracy of 100%.

RESUMO Variáveis obtidas por métodos ópticos podem apresentar correlação com características relacionadas à qualidade e maturação de tomates. Neste contexto, objetivou-se com este estudo analisar a correlação entre as variáveis colorimétricas e físico-químicas de tomates, agrupando-os em função do estádio de maturação, utilizando análise multivariada. O experimento foi realizado utilizando 150 frutos em três estádios de maturação (imaturos, coloridos e maduros). As variáveis físico-químicas foram obtidas por meio de métodos tradicionais. As variáveis colorimétricas foram obtidas a partir de uma câmera digital no espaço de cor RGB. A análise da correlação entre as variáveis colorimétricas e físico-químicas foi realizada por meio do coeficiente de Pearson. A análise de componentes principais associada à técnica de agrupamento k-means foi aplicada em três grupos de dados: variáveis RGB isoladas; variáveis colorimétricas calculadas pela relação entre as bandas RGB (índices colorimétricos); e variáveis físico-químicas. As variáveis colorimétricas apresentam maior capacidade explicativa da variação da maturação quando comparadas às variáveis físico-químicas. O conjunto de índices colorimétricos apresentou o maior desempenho no agrupamento (exatidão global = 0,98) dos tomates em função da maturação.

ABSTRACT Results of evaluations using optical evaluation methods may be correlated with tomato quality and maturation. In this context, the objective of this study was to evaluated the correlation between tomato colorimetric and physico-chemical variables, clustering them as a function of maturation stages, using multivariate analysis. The experiment was conducted using 150 fruits and three maturation stages (immature, light red and mature). The physico-chemical variables were evaluated through traditional methods. The colorimetric variables were assessed on images in RGB color model taken with a digital camera. The correlation between colorimetric and physico-chemical variables was analyzed using the Pearson’s coefficient. Principal components analysis and k-means clustering method was applied to three data set: RGB isolated variables; colorimetric variables calculated by relation between the RGB bands (colorimetric indexes); and physico-chemical variables. The colorimetric variables present higher explanatory capacity of the maturation variation than physico-chemical variables. The colorimetric indexes presented higher performance in clustering (accuracy of 0.98) tomatoes as a function of maturation.