Publicação: Análise do impacto do aumento de dados no reconhecimento de ferrugem em folhas de café
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
A ferrugem dos cafezais é uma doença muito grave que ataca lavouras em todo o mundo
e identificá-la de forma rápida e assertiva pode auxiliar no seu controle. Atualmente
existem diversas formas de realizar o combate a doença da ferrugem e a melhor escolha
do conjunto de estratégias para identificação afetará diretamente o processo, podendo
acelerar o tempo entre o conhecimento do problema e ação de combate ao problema. Este
trabalho tem como objetivo comparar o desempenho de seis Redes Neurais Convolucionais
(CNN) no contexto da detecção de ferrugem em folhas de café, utilizando-se de um banco
de imagens público chamado RoCoLe. Na base encontra-se um conjunto com 6 classes de
folhas (saudável, doente com níveis de severidade 1 a 4, e folha com a presença de danos
causados pelo ácaro-vermelho). As redes foram treinadas com e sem aumento de dados. O
experimentos mostraram que com a estratégia de aumento de dados em algumas situações
melhora a tarefa de classificação da rede.
Abstract
Coffee rust is a very serious disease that affects plantations worldwide, and identifying it quickly and accurately can assist in its control. Currently, there are several ways to combat the rust disease, and the best choice of identification strategy will directly impact the process, potentially accelerating the time between identifying the problem and taking action to address it. This work aims to compare the performance of six Convolutional Neural Networks (CNN) in the context of detecting rust on coffee leaves, using a public image dataset called RoCoLe. The dataset consists of 6 classes of leaves (healthy, diseased with severity levels from 1 to 4, and leaves with damage caused by red mite). The networks were trained with and without data augmentation. The experiments showed that the use of data augmentation strategies improved the classification task in some situations.
Palavras-chave
Visão Computacional, Reconhecimento de Padrões, Folha de Café, Redes Convolucionais, Aumento de dados
Citação
GOMIDES, Augusto Victor Martins. Análise do impacto do aumento de dados no reconhecimento de ferrugem em folhas de café. 2024. 32 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2024.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto