Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/38294| ORCID: |  http://orcid.org/0009-0006-4828-8412 |
| Tipo do documento: | Trabalho de Conclusão de Curso |
| Tipo de acesso: | Acesso Aberto |
| Título: | Aplicação de técnicas de Visão Computacional para identificação de ferrugem em folhas de café |
| Título(s) alternativo(s): | Application of computer vision techniques for rust identification in coffee leaves |
| Autor(es): | Machado, Thiago Vieira |
| Primeiro orientador: | Travençolo, Bruno Augusto Nassif |
| Primeiro coorientador: | Moreira, Larissa Ferreira Rodrigues |
| Primeiro membro da banca: | Pereira, João Henrique de Souza |
| Segundo membro da banca: | Costa, Cícero Lima |
| Resumo: | O 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. |
| Palavras-chave: | Inteligência Artificial Deep Learning CNN folhas de café classificação de imagens |
| Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Referência: | MACHADO, 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. |
| URI: | https://repositorio.ufu.br/handle/123456789/38294 |
| Data de defesa: | 23-Jun-2023 |
| Aparece nas coleções: | TCC - Sistemas de Informação (Uberlândia) |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| AplicacaoTecnicasVisao.pdf | TCC | 18.01 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
