Classificação textural do solo utilizando aprendizado de máquina em imagens de amostras de solo secos

Abstract

Este estudo investigou a aplicação de algoritmos de aprendizado de máquina na classificação textural do solo com base em imagens digitais, visando melhorar o manejo agrícola. Foram comparados diferentes modelos de aprendizado de máquina, incluindo Support Vector Machine (SVM), Redes Neurais, k-Nearest Neighbors (kNN), Regressão Logística, Random Forest e Árvore de Decisão. Os resultados demonstraram que o modelo SVM obteve o melhor desempenho, com uma precisão de 95,9% e uma AUC de 0,994. Em comparação com outros modelos, o SVM se destacou na classificação das texturas do solo com o uso de imagens, oferecendo uma alternativa eficiente e precisa aos métodos tradicionais. Este estudo contribui para a agricultura de precisão, mostrando que o uso de aprendizado de máquina sugere uma abordagem promissora para otimizar o manejo de recursos naturais e melhorar a produtividade agrícola.