Avaliação da qualidade com inteligência artificial em mamões

---

Projeto da Disciplina PET1706 - TÓPICOS ESPECIAIS EM ENGENHARIA DE SOFTWARE (Redes Neurais Artificiais) - 2023.2

Professora: Rosana Rego

Curso Bacharel em Engenharia de Software - UFERSA - Campus Pau dos Ferros

---

Funcionalidades Principais

• Modelo de Machine Learning: O sistema é capaz de analisar imagens e determinar seu nível de maturidade.O modelo foi treinado previamente com imagens de mamões com diferentes níveis de maturidade, Implicando que foi alimentado com um conjunto de dados e treinado para reconhecer e classificar a imagem com base nas suas caracteristicas.

• Servidor Web: O sistema é construído utilizando a ferramenta Django. Django é um framework web em Python que facilita a construção de aplicações web robustas e escaláveis. O sistema gerencia rotas podendo lidar com solicitações HTTP, disponibilizado link principal com opção de retornar o resultado em formato json (API), acessar bancos de dados, e fornecer uma interface web para os usuários interagirem com a aplicação.

Requisitos de Sistema

• Python (versão 3.10.9)
• pip (gerenciador de pacotes do Python)
• Virtualenv (opcional, mas altamente recomendado)

Instalação

Siga estas etapas para configurar e executar o projeto localmente.

# Clone o repositório:
https://github.com/ClassNeuralNetwork/maturidade_mamoes

# Navegue até o diretório do projeto:
cd papaya_quality

# Crie e ative um ambiente virtual (opcional, mas recomendado):
virtualenv venv
source venv/bin/activate

# Instale as dependências do projeto:
pip install -r requirements.txt

# Configure as variáveis de ambiente:
# Crie um arquivo `.env` na raiz do projeto e defina as variáveis de ambiente necessárias, como chaves secretas, configurações de banco de dados, etc.
# As variaveis de desenvolvimento estão no arquivo .env_auxiliar, pode copiar e colar dentro do arquivo .env

# Aplique as migrações do Django:
python manage.py migrate

# Crie um superusuário (opcional):
python manage.py createsuperuser

Uso

Executando o Servidor de Desenvolvimento

Execute o servidor de desenvolvimento com o seguinte comando:

python manage.py runserver

Acesse o projeto em seu navegador em http://localhost:8000.

Contribuição

Contribuições são bem-vindas! Se você quiser contribuir para este projeto, por favor, abra uma issue para discutir as mudanças propostas ou envie um pull request.

Equipe

Cristiana Paulo

Emanuel Morais

Lucas Matheus

Cada contribuidor desempenhou um papel essencial no desenvolvimento e aprimoramento deste projeto.

Licença

Este projeto está licenciado sob a Licença MIT. Consulte o arquivo LICENSE para obter mais detalhes.

Agradecimentos

Agradecemos aos desenvolvedores, à comunidade de código aberto com as ferramentes abertas que utilizamos para construção deste projeto, a comunidade de Machine Learning, ao professor Dr. Nildo da Silva Dias pela disponibilização do dataset com as imagens.