|
Abstract:
|
O aumento da demanda por alimentos devido ao crescimento populacional, aliado à insegurança alimentar e às perdas significativas nas culturas causadas por pragas, exige soluções eficazes para a agricultura. A detecção manual de doenças em plantas é inviável para pequenos e médios agricultores, resultando no uso excessivo de pesticidas, que estão diretamente relacionados a uma maior incidência de câncer na população. De maneira geral, os primeiros sintomas de doenças em plantas se manifestam visualmente nas folhas em seus estágios iniciais. A partir deste contexto, o presente trabalho propõe um método para detectar o estado de saúde em folhas de mudas de bananeiras. Para a construção do método, foram utilizados conceitos de Aprendizado de Máquina, como as Redes Neurais Convolucionais Profundas em conjunto com Bancos de Dados Vetoriais. O método proposto mostrou-se eficiente na segmentação individual de folhas em uma imagem de entrada, atingindo valores de mAP50 superiores a 94%. Para a classificação entre folhas doentes e saudáveis, o método obteve uma acurácia geral de 92%, com uma precisão de 40% para folhas doentes e de 97% para folhas saudáveis. Diante dos resultados, o método proposto se mostra promissor para a estimativa da quantidade de folhas saudáveis e doentes em uma estufa, auxiliando agricultores no monitoramento do ambiente. |
