Este documento descreve um sistema automático para análise de grãos de arroz utilizando processamento de imagens. O sistema captura imagens dos grãos, identifica cada grão individualmente, e determina o comprimento e largura de cada grão para classificação. O sistema foi implementado em Java usando a API JAI para processamento de imagens.

1. SISTEMA AUTOMÁTICO DE ANÁLISE DO GRÃO DE ARROZ
LEANDRO LUÍS GALDINO DE OLIVEIRA1
VINICIUS ALVES DAS NEVES2
EDUARDO SIMÕES DE ALBUQUERQUE3
THIERSON COUTO ROSA4
RESUMO: A obtenção da medida do tamanho de grãos de arroz é um fator na determinação
da sua qualidade e preço. É um trabalho tedioso e lento. Este trabalho apresenta uma solução
para medir as caraterísticas do grão de arroz automaticamente. Implementamos um protótipo
de um softare he identifica cada grão separadamente em uma imagem, determinando seu
comprimento e largura. A implementação foi realizada em JAVA usando funções API JAI
(Java Advanced Image).
PALAVRAS-CHAVE: Arroz, Processamento de Imagens, Sistemas Inteligentes.
TITLE IN ENGLISH – INSTRUCTIONS FOR AUTHORS
ABSTRACT: Obtaining the size of rice grains is one of the factors that defines its quality. It
is a tedious and time demanding task. This work presents a based solution to automatically
measure rice physical characteristic. We implemented a prototype of a software that identifies
each rice grain in an image determining its length and width. The implementation used Java
and the API JAI (Java Advanced Image).
KEY-WORDS: Rice, Image Processing, Intelligent Systems.
1. INTRODUÇÃO
O arroz é uma das maiores fontes de energia e saúde, sendo um dos alimentos mais
consumidos em quase todo o mundo há mais de 5000 anos. Esse cereal é tido hoje como um
dos produtos de maior importância econômica em todo o mundo, estabelecendo-se como um
alimento básico para cerca de 2,4 bilhões de pessoas (Brondani et al., 2009).
Estudos mostram que o arroz é a fonte primária de energia e proteína para os países mais
populosos do mundo como a Ásia, África e América Latina. Muitos crêem que essa planta
aquática tenha sido originada na Ásia e que seus primeiros cultivos tenham sido na Índia.
Acredita-se que o Brasil foi o primeiro país a cultivar o arroz no continente americano, e que
muitos anos antes de ele ter sido descoberto, os tupis já o colhiam, e o chamavam de “milho
d’ água”. Atualmente 150 milhões de hectares de arroz no mundo são cultivados, obtendo 590
milhões de toneladas onde 75% disto é de origem de sistema de cultivo irrigado.
De acordo com as últimas pesquisas, acredita-se que o Brasil está entre os dez principais
produtores de arroz mundial, e sua safra em 2005 chegou em 272 mil toneladas exportadas. A
produção brasileira hoje, está espalhada em todo território nacional, sendo que os principais
sistemas básicos de produção são os de terras altas e o irrigado. As regiões que mais se
destacam atualmente, com a produção do arroz é: região Sul, nos estados do Rio Grande do
1
Dr. Ciência da Computação, Instituição (INF – UFG), E-mail: leandroluis@inf.ufg.br
2
Bch. Ciência da Computação, Instituição (UCG), E-mail: viniciusba@gmail.com
3
Dr. Ciência da Computação, Instituição (INF – UFG), E-mail: eduardo@inf.ufg.br
4
Dr. Ciência da Computação, Instituição (INF – UFG), E-mail: thierson@inf.ufg.br

2. Sul e Santa Catarina, e regiões Sudeste e Centro-Oeste , nos estados de São Paulo, Minas
Gerais, Goiás e Mato Grosso (Brondani et al., 2009).
A classificação do arroz baseia – se praticamente no estado físico dos grãos, variando de
acordo com a quebra dos mesmos (de tipo 1 a 5), e no tamanho do grão, variando entre longo,
médio e curto. No Rio Grande do Sul a maioria de seus grãos são do tipo longo-fino, e os
sistemas mais utilizados na cultura do arroz irrigado são: sistema de cultivo convencional,
onde o preparo do solo é feito em duas etapas sendo que na primeira consistem em operações
mais profundas com o arado, rompimento de camada e eliminação da cobertura vegetal e na
segunda etapa as ações são mais superficiais, sistema de plantio direto, onde o solo já não é
tão modificado como no sistema de cultivo convencional, a semente é apenas colocada no
solo com uma pequena cova de profundidade e largura, sendo depois controlado por
herbicidas, e sistema pré-germinado, onde utiliza-se sementes pré–germinadas e o solo deve
estar inundado, constando que na primeira fase do preparo do solo é a formação de lama e na
segunda fase o nivelamento e o alisamento do terreno (Brondani et al., 2009).
2. OBJETIVOS
Este trabalho tem como objetivo desenvolver um software para analisar de forma automática
as características físicas do grão do arroz utlizando técnicas de visão por computador. Essas
informações extraídas das características físicas do grão de arroz teria a mínima interferência
possível do usuário, com isso minimizando os errros na análise.
3. MATERIAIS E MÉTODOS
A partir de uma imagem digital, que contenha a amostra dos grãos que se deseja classificar, o
software deverá ser capaz primeiro de identificar cada grão presente na imagem, e depois para
cada grão, ser capaz de determinar, com o máximo de confiabilidade possível, o comprimento
e a largura do grão para poder então classificá-lo quanto a relação comprimento/largura. Este
projeto é divido em 2 (duas) etapas:
3.1. Identificação e Separação dos Grãos
O primeiro passo a ser tomado para essa etapa do projeto é a captura das imagens dos grãos
de arroz. Neste projeto optou-se por utilizar uma câmera fotográfica digital comum. O modelo
da câmera captura as imagens a uma resolução máxima de 4.0 MegaPixels. Pois como o
objetivo do projeto é a medição dos objetos, ou seja, dos grãos de arroz, segundo Feliciano et
al. (2009) quando maior a resolução, mais exatas serão as medidas, já que o número de pixels
dentro da mesma área significativamente maior. No processo de captura, optou-se também,
por colocar sob os grãos a serem capturados, um papel de cor preta, para que se restrinja aos
grãos, as tonalidades claras e aumentando o contraste, podendo, assim facilitar um posterior
processo de identificação do grãos.
Outro aspecto importante é que definiu-se como premissa do modelo onde nas imagens que
serão capturadas, os grãos de arroz devem estar separados não havendo uma conectividade
entre os grãos. As imagens então capturadas pela câmera fotográfica, serão transferidas ao
computador para que sejam então analisadas.
Apesar da captura gerar imagens coloridas, o processamento será realizado utilizando uma
versão em escala de cinza e binarizadas da imagem (Gonzales, 2003). A escolha deve-se pelo
fato de que o processamento envolvendo imagens coloridas é computacionalmente mais
complexo e demanda alto poder computacional (Batista, 2009). Para efetuar a operação de
binarização a imagem deve ser convertida para uma versão em escala de cinza, onde cada

3. pixel recebe um valor entre 0 (preto) e 255 (branco). Então um limiar de binarização é
determinado (Conci et al., 2007).
Um método factível para a escolha deste limiar é a análise do histograma da versão em escala
de cinza da imagem (Pedrini, & Schwartz, 2008). Ao analisar o histograma, percebe-se a
existência de vales, que indicam uma variação brusca no número de pixels em uma
determinada faixa de valores (Figura 1). Como o fundo, devido a forma de captura,
normalmente ser mais escuro do que os grãos, se tomarmos o valor do primeiro vale como o
limiar de binarização da imagem, teremos uma região da imagem, contendo os grãos,
representados por branco, e o restante, o fundo, representado por preto (Leite, 2009).
Figura 1. Exemplo de uma imagem e seu histograma.
Com a forma de captura definida, passamos ao início do processamento das imagens que
realizará o reconhecimento de cada grão na imagem. Nessa etapa será necessário a aplicação
de um algoritmo de segmentação que fará a identificação dos grãos (Soto, 2009). Foi
escolhido para essa etapa o algoritmo de segmentação por crescimento de região com
agregação de pixels, por ser um algoritmo de simples implementação e aparentar ser eficiente
para a resolução do problema, que é a identificação dos grãos de arroz.
Este método pode ser resumido da seguinte forma: A varredura na imagem inicia-se de cima
para baixo, da esquerda para a direita. O primeiro pixel considerado semente é o primeiro
pixel de valor 255 (branco), encontrado na varredura, cria-se um rótulo, e o pixel base tem
seus 8 vizinhos analisados com o auxilio de uma pilha, e para cada pixel vizinho é feita a
verificação do critério de agregação, ou seja, se o pixel vizinho visitado possui também
tonalidade branca, satisfazendo-a é atribuído então ao pixel vizinho o mesmo rótulo do pixel
base, e repete-se essa técnica até que se delimite o primeiro grão. Este mesmo processo é
repetido até que se encontre um novo pixel de valor 255 (branco) ainda não rotulado, ou seja,
sem pertencer a uma região, e prosseguindo até que toda imagem seja percorrida e todos os
grãos sejam identificados (Gonzales, 2003) (Esquef et al, 2009).
3.2. Classificação dos Grãos
O processo de separação dos grãos irá apenas recortar as imagens de cada grão na imagem
original, tendo nas imagens resultantes, grãos em posições diferentes (em relação ao eixo
central) podendo estar tanto na horizontal, diagonal, vertical, o que dificulta o cálculo das
medidas do comprimento e largura. Para resolver isso decidimos então rotacionar, em relação
ao eixo central, os grãos até que eles fiquem todos na horizontal, facilitando o cálculo das
medidas destes para a classificação, ou seja, com o grão na horizontal, suas extremidades
gerarão as métricas desejadas.
Com o grão separado é necessário identificar as coordenadas do grão e calcular os pontos
máximos e mínimos dele. Os pontos máximos e mínimos se referem ao menor Y e seu
respectivo X e o maior Y com seu respectivo X, depois de ter feito isso será identificado para

4. qual lado rotacionar o grão (esquerda ou direita) a partir das coordenadas máximas e mínimas.
Identificado o sentido de rotação, o grão é rotacionado em 1 (um) grau. Após a rotação,
novamente é identificado as coordenadas do grão rotacionado, calculados os pontos máximos
e mínimos e testado se este se encontrada na horizontal, ou seja, é calculada a diferença das
coordenadas Y (maiorY-menorY) e guardada em uma variável, após cada rotação é calculada
novamente a diferença das coordenadas e comparada com a anterior, isso é feito até que a
diferença anterior seja menor ou igual que a diferença atual, caso não esteja continua a
rotação em 1(um) grau, em relação ao grau anterior, até que o mesmo se encontre na
horizontal. A Figura 2 mostra o processode rotação.
Figura 2. Processo de rotação do grão de arroz.
Com a imagem do grão ajustada, ou seja, na horizontal serão usados novos pontos para
encontrar a largura e o comprimento do grão. Para o comprimento será usada a diferença entre
o ponto de maior e o de menor coordenada X, e para a largura será usada a diferença entre o
ponto de maior e o de menor coordenada Y. A Figura 3 ilustra este processo.
Figura 3. Medição do comprimento do grão e largura do grão.
4. RESULTADO E DISCUSSÃO
Os resultados obtidos com o modelo proposto mostra que é factivel realizar a medição do
grão de arroz de forma automática utilizando técnicas de visão por computador. A Figura 3b
mostra o resultado da segmentação, os grãos de arroz foram binarizados para mostrar a
identificação de cada grão de forma individual. Em alguns momnetos pode-se notar a
existência de pequenos ruídos nas imagens capturadas este ruidos foram retirados aplicando-
se algoritmos de morfologia matemática. A Figura 3a mostra a existência destes ruídos.
(a) (b)
Figura 3. Exemplo de uma imagem com ruído e o resultado da segmentação dos grãos de
arroz após a filtragem por meio de morfologia matemática (2).
Com a eliminação dos ruídos pela aplicação do método de abertura da morfologia
matemática, aplicamos novamente o método de segmentação proposto. Este método mostrou-

5. se muito eficaz na segmentação dos grãos nas imagens capturadas, uma vez que ao
padronizarmos a forma de captura e aplicarmos um processamento, usando uma binarização
seguida de abertura, que garantem que os pontos brancos na imagem resultante pertençam
exclusivamente aos grãos de arroz na imagem. Com base nos estudos feitos esta foi a melhor
e mais simples opção encontrada para a solução do problema.
5. CONCLUSÕES
O Algoritmo desenvolvido permitiu que fossem encontradas as medidas (comprimento e
largura) relativas ao grão de arroz. Estas medidas são encontradas individualmente permitindo
assim que uma analise estatistica dos valores sejam processadas.
A partir destas funcionalidades foi construído om programa de computador que realiza todos
estes procedimentos de forma automática e realiza uma análise das caracteristicas da amostra
em estudo.
REFERÊNCIAS
BATISTA, L.V.. Introdução ao Processamento Digital de Imagens. Disponível em
:<http://lucianowjr.googlepages.com/PDI2006.ppt>. Acesso em 8 de maio de 2009.
BRONDANI, G.; VEY, I. H.; MADRUGA, S. R.; TRINDADE, L. L.; VENTURINI, J..
Diferenciais de custos em culturas de arroz: A experiência do rio grande do sul.
Disponível em:<http://proxy.furb.br/ojs/index.php/universocontabil/article/viewFile/106/65>.
Acesso em 20 de março de 2009.
CONCI, A.; AZEVEDO, E.; LETA, F.. Computação Gráfica: Processamento de Imagens
Digitais - Vol. 2, ed. Elservier, 2nd Edition, 2007. 780 p.
ESQUEF, I. A.; ALBUQUERQUE, M. P.; ALBUQUERQUE, M. P.. Processamento Digital
de Imagens. Disponível em: <http://www.cbpf.br/cat/pdsi/pdf/cap3webfinal.pdf>. Acesso
em 20 de maio de 2009.
FELICIANO, F. F.; SOUZA, I. L.; Leta, F. R.. Visão Computacional Aplicada à
Metrologia Dimensional Automatizada: Considerações sobre sua Exatidão. Disponível
em: <http://www.uff.br/engevista/2_7Engevista04.pdf>. Acesso em 02 de maio de 2009.
GONZALEZ, R. C. e WOODS, R. E. Processamento de Imagens Digitais, ed. Edgard
Blücher Ltda, 2nd Edição, 2003. 653 p.
LEITE, E.. Histograma – Controle Digital da Fotometria. Disponível
em :<http://200.161.203.137/dicas/histograma_sistema_zonas.pdf>. Acesso em 28 de maio de
2009.
PEDRINI, H.; SCHWARTZ, W. R.. Análise de Imagens Digitais: Princípios, Algorítmos e
Aplicações. ed. Cengage Learning, 2008. 420 p.
SOTO, M. P.. Processamento Digital de Imagens Macroarray para Detecção dos
resultados de Hibridização nos Processos de estudos de Expressão Gênica utilizando
Redes Neurais. Disponível em
:<http://wwwp.coc.ufrj.br/teses/doutorado/inter/2003/teses/SOTO_MP_03_t_D_int.pdf>.
Acesso em 28 de maio de 2009.