Publicação:
Aplicação de técnicas de Visão Computacional para identificação de ferrugem em folhas de café

Página do item simplificado
dc.contributor.advisor-co1Moreira, Larissa Ferreira Rodrigues
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/7340824843708398pt_BR
dc.contributor.advisor1Travençolo, Bruno Augusto Nassif
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2590427557264952pt_BR
dc.contributor.referee1Pereira, João Henrique de Souza
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6843234527853507pt_BR
dc.contributor.referee2Costa, Cícero Lima
dc.contributor.referee2Latteshttp://lattes.cnpq.br/6902000855783609pt_BR
dc.creatorMachado, Thiago Vieira
dc.date.accessioned2023-06-30T19:05:36Z
dc.date.available2023-06-30T19:05:36Z
dc.date.issued2023-06-23
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO café é uma bebida presente na vida de muitas pessoas ao redor do mundo, além de ser de grande importância para a economia de diversos países. 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. O presente trabalho tem como objetivo avaliar 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 disponibilizado publicamente. Todas as CNNs foram avaliadas para classificação binária, isto é, para indicar se a folha possui ou não ferrugem. A rede de melhor desempenho na classificação binária foi usada para classificação multiclasse, que inclui quatro diferentes níveis (estágios) de ferrugem. Para o treinamento e validação dos modelos foram aplicadas técnicas de aumento de dados e a validação cruzada k-fold. Entre as redes avaliadas, a ResNet obteve os melhores resultados, alcançando uma acurácia de 95,19% na classificação binária e 78,03% na classificação multiclasse. O trabalho contribui para a aplicação da Visão Computacional como uma ferramenta auxiliar para os cafeicultores, permitindo a detecção precoce da presença de ferrugem nas folhas de café e auxiliando na tomada de decisões relacionadas ao manejo das lavouras.pt_BR
dc.identifier.citationMACHADO, Thiago Vieira. Aplicação de técnicas de visão computacional para identificação de ferrugem em folhas de café. 2023. 34 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/38294
dc.languageporpt_BR
dc.orcid.putcode137874929
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseSistemas de Informaçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.sizeorduration34pt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectDeep Learningpt_BR
dc.subjectCNNpt_BR
dc.subjectfolhas de cafépt_BR
dc.subjectclassificação de imagenspt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleAplicação de técnicas de Visão Computacional para identificação de ferrugem em folhas de cafépt_BR
dc.title.alternativeApplication of computer vision techniques for rust identification in coffee leavespt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
AplicacaoTecnicasVisao.pdf
Tamanho:
17.58 MB
Formato:
Adobe Portable Document Format
Descrição:
TCC
Baixar

Coleções

TCC - Sistemas de Informação (Uberlândia)