Publicação: Utilização da yolo na identificação de deficiências de macronutrientes em folhas de café
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
O café representa uma das culturas economicamente mais importantes do mundo, sendo
a América do Sul o principal produtor, seguido da Ásia e Oceania. A produtividade e
qualidade do café dependem significativamente de alguns aspectos como a qualidade do
solo, influenciado pela disponibilidade de nutrientes, como também do clima. Deficiências
de macronutrientes como cálcio (Ca), magnésio (Mg), nitrogênio (N), fósforo (P) e potássio
(K) e enxofre (S) podem causar sintomas visíveis nas folhas de café, levando à redução do
rendimento e da qualidade se não forem tratadas prontamente. Os métodos tradicionais
para diagnosticar deficiências de nutrientes dependem de inspeção manual e análise
laboratorial, o que pode ser demorado, caro e sujeito a erro humano.
Avanços recentes em aprendizado profundo e visão computacional oferecem uma alterna
tiva promissora para automatizar diagnósticos de saúde de plantas. O modelo de detecção
de objetos “You Only Look Once” (YOLO) demonstrou alta precisão e desempenho em
tempo real em várias aplicações agrícolas, sendo elas detecção de culturas e pragas. Neste
estudo, utilizou-se da oitava versão do framework YOLO para detectar deficiências de
macronutrientes em folhas de café com base em sintomas visuais. O YOLOv8 melhora
seus predecessores com recursos aprimorados de detecção de objetos, melhor generalização
e maior eficiência computacional, tornando-o adequado para essa tarefa.
Nos testes realizados com o dataset BDICAFE, a proposta apresentada nesse trabalho
obteve acurácias de até 95,8%, conforme os testes realizados. Isso demonstra que a
proposta pode servir como uma ferramenta valiosa para agricultores e agrônomos,
permitindo a detecção precoce e o manejo direcionado de nutrientes para otimizar a
produção de café.
Abstract
Palavras-chave
Visão Computacional, Computer Vision, YOLO, BDICAFE, Macronutrientes, Macronutrients, Café, Coffee
Citação
TONETI, Igor Blanco. Utilização da yolo na identificação de deficiências de macronutrientes em folhas de café. 2025. 72 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2025.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto