Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufu.br/handle/123456789/45996| ORCID: |  http://orcid.org/0009-0009-0468-0983 |
| Tipo de documento: | Trabalho de Conclusão de Curso |
| Tipo de acceso: | Acesso Aberto |
| Título: | Utilização da yolo na identificação de deficiências de macronutrientes em folhas de café |
| Autor: | Toneti, Igor Blanco |
| Primer orientador: | Ribeiro, Thiago Pirola |
| Primer miembro de la banca: | Escarpinati, Mauricio Cunha |
| Segundo miembro de la banca: | Martinez, Ana Cláudia |
| Resumen: | 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. |
| Palabras clave: | Visão Computacional Computer Vision YOLO BDICAFE Macronutrientes Macronutrients Café Coffee |
| Área (s) del CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS) |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Cita: | 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 |
| Fecha de defensa: | 28-abr-2025 |
| Aparece en las colecciones: | TCC - Ciência da Computação |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| UtilizaçãoYoloIdentificação.pdf | TCC | 5.3 MB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
