DESENVOLVIMENTO E AVALIAÇÃO PRELIMINAR DE UM SISTEMA EMBARCADO PARA ANÁLISE COLORIMÉTRICA DA MATURAÇÃO DO AÇAÍ

Resumo

Este trabalho apresenta o desenvolvimento e a avaliação preliminar de um sistema embarcado para análise colorimétrica da maturação de frutos de açaí (Euterpe oleracea Mart.). O protótipo integra o sensor TCS34725, o microcontrolador ESP32, processamento local, um modelo de aprendizado de máquina, comunicação Bluetooth, um aplicativo Android e um encapsulamento produzido por impressão 3D. O desenvolvimento foi realizado de forma iterativa, incluindo ajustes no isolamento óptico, no processamento de sinais e na seleção dos atributos de entrada. Uma base inicial composta por 300 registros, distribuídos entre os estágios Verde, Intermediário e Maduro, foi utilizada em uma configuração exploratória de três classes, cuja validação interna apresentou acurácia de 85,7%, com maior dificuldade na discriminação do estágio Intermediário. Em uma etapa posterior, restrita aos estágios Verde e Maduro e utilizando atributos colorimétricos refinados, a validação interna apresentou acurácia de 100%. Os resultados indicam a viabilidade do sistema como plataforma embarcada para aquisição, processamento e classificação colorimétrica, embora sejam necessários estudos com frutos independentes, diferentes lotes, condições experimentais e uma referência independente para avaliar sua capacidade de generalização.

Palavras-chave: Euterpe oleracea; TCS34725; ESP32; aprendizado de máquina; sensores ópticos.

Development and preliminary evaluation of an embedded system for colorimetric analysis of açaí ripeness

ABSTRACT: This study presents the development and preliminary evaluation of an embedded system for colorimetric assessment of açaí fruit (Euterpe oleracea Mart.) ripening. The prototype integrates a TCS34725 color sensor, an ESP32 microcontroller, local processing, a machine-learning model, Bluetooth communication, an Android application, and a 3D-printed enclosure. The system was developed iteratively, including improvements in optical isolation, signal processing, and input-feature selection. An initial dataset containing 300 records distributed among Green, Intermediate, and Ripe stages was used in an exploratory three-class configuration, which achieved 85.7% accuracy in internal validation, with the Intermediate stage showing the greatest classification difficulty. In a subsequent stage restricted to Green and Ripe fruits and using refined colorimetric features, internal validation achieved 100% accuracy. The results indicate the feasibility of the system as an embedded platform for colorimetric acquisition, processing, and classification, although further studies involving independent fruits, different batches, experimental conditions, and an independent reference are required to assess its generalization capability.

Keywords: Euterpe oleracea; TCS34725; ESP32; machine learning; optical sensors.