Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/34474| ORCID: |  http://orcid.org/0000-0002-1820-2220 |
| Tipo do documento: | Trabalho de Conclusão de Curso |
| Tipo de acesso: | Acesso Aberto Attribution-NonCommercial-NoDerivs 3.0 United States |
| Título: | Detecção de pragas e patógenos do cafeeiro através de imagens multiespectrais de baixo custo e algoritmos baseados em aprendizado de máquina |
| Autor(es): | Mendonça, Rafael Cordeiro Pereira |
| Primeiro orientador: | Martins, George Deroco |
| Primeiro membro da banca: | Barbosa, Ricardo Luís |
| Segundo membro da banca: | Orlando, Vinicius Silva Werneck |
| Resumo: | A agricultura é uma das principais atividades econômicas nacionais, devido a sua grande participação no Produto Interno Bruto (PIB). Proporcionando ao Brasil o segundo lugar como maior consumidor de café e o primeiro lugar como maior produtor e exportador a nível mundial do produto cultivado. Contudo, diversas variáveis podem prejudicar o potencial produtivo do cafeeiro nas lavouras, principalmente doenças, como a Cercosporiose e o inseto praga conhecido como Bicho-Mineiro. Medidas de controle por meio de pesticidas agrícolas onerosos e ambientalmente invasivos, diagnóstico in loco e a investigação contínua da ocorrência de plantas afetadas por esses patógenos, são ações caras e nem sempre tecnicamente viáveis. Assim, tendo como base a Agricultura de Precisão (AP), este estudo teve como objetivo identificar um conjunto de atributos que facilitem a discriminação desses patógenos nos cafeeiros, a partir de análises de imagens multiespectrais de baixo custo, além de informações obtidas in situ, e através da utilização de algoritmos baseados em aprendizado de máquina. Por fim, resultou que os algoritmos Support Vector Machine (SVM) e Redes Neurais Artificiais (RNA), são capazes de discriminar as plantas saudáveis das infectadas, e que SVM apresentou melhor desempenho que as RNA. Ademais identificou-se um conjunto de atributos que contribuiu para a discriminação das plantas. |
| Palavras-chave: | Cafeicultura Imagens multiespectrais Doenças Monitoramento remoto de pragas e patógenos |
| Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Referência: | MENDONÇA, Rafael Cordeiro Pereira. Detecção de pragas e patógenos do cafeeiro através de imagens multiespectrais de baixo custo e algoritmos baseados em aprendizado de máquina. 2022. 41 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Agrimensura e Cartográfica) – Universidade Federal de Uberlândia, Monte Carmelo, 2022. |
| URI: | https://repositorio.ufu.br/handle/123456789/34474 |
| Data de defesa: | 29-Mar-2022 |
| Aparece nas coleções: | TCC - Engenharia de Agrimensura e Cartográfica (Monte Carmelo) |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| DetecçãoPragasPatógenos.pdf | TCC | 1.39 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
