1. Repositório Institucional - Universidade Federal de Uberlândia
2. Faculdade de Computação (FACOM)
3. TCC - Ciência da Computação

ORCID:	http://orcid.org/0009-0009-0468-0983
Document type:	Trabalho de Conclusão de Curso
Access type:	Acesso Aberto
Title:	Utilização da yolo na identificação de deficiências de macronutrientes em folhas de café
Author:	Toneti, Igor Blanco
First Advisor:	Ribeiro, Thiago Pirola
First member of the Committee:	Escarpinati, Mauricio Cunha
Second member of the Committee:	Martinez, Ana Cláudia
Summary:	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.
Keywords:	Visão Computacional Computer Vision YOLO BDICAFE Macronutrientes Macronutrients Café Coffee
Area (s) of CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)
Language:	por
Country:	Brasil
Publisher:	Universidade Federal de Uberlândia
Quote:	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.
URI:	https://repositorio.ufu.br/handle/123456789/45996
Date of defense:	28-Apr-2025
Appears in Collections:	TCC - Ciência da Computação

This item is licensed under a Creative Commons License