Classificação de doenças agrícolas por imagem.

Abstract

O trabalho teve o objetivo de desenvolver e avaliar modelos de machine learning. Nos modelos de classificação de imagens para identificação de doenças em laranjeiras foi aplicado redes neurais convolucionais (CNNs). Para o desenvolvimento dos modelos foi utilizado o Dataset com imagens de frutos de laranjas saudáveis e frutos acometidos por câncer cítrico, greening e mancha preta. O projeto foi pensando em contribuir para uma solução prática do campo devido à carência de profissional para fazer a identificação correta de doenças agrícolas, de modo a detectar precoce e precisamente essas doenças, para melhorar a produção e reduzir perdas. Diferentes modelos foram executados na máquina local. Estes modelos apresentam configurações diferentes, sendo três modelos personalizados a partir do Estado da Arte e modelos pré-treinados, deste modo permitiu a análise do seu impacto em termos de acurácia e tempo de execução. Entre todos os testes os que apresentaram melhores resultados foram o Modelo III com 90.35% de acurácia e o Modelo VI com 90.15% de acurácia. O Modelo III utilizou um conjunto de dados reduzido com 1090 imagens e configuração moderada, que equilibrou o custo operacional e a eficiência, enquanto o Modelo VI utilizou-se de modelo pré-treinado conhecido como MobileNet, com um conjunto de dados de 9.637 imagens. Técnicas de validação cruzada, aumento de dados, permitiu uma melhor generalização dos modelos, diminuindo o risco de Overfitting. Contudo, o presente estudo reforça a importância da customização de parâmetros para maximizar o desempenho, portanto sugere aprimoramentos futuros, que vão desde a ampliação do conjunto de dados e o uso de técnicas mais avançadas de aprendizado por transferência, o que poderá tornar o modelo mais robusto e adaptável a diferentes condições.