1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Ciência da Computação
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/45996
Full metadata record
DC FieldValueLanguage
dc.creatorToneti, Igor Blanco-
dc.date.accessioned2025-05-30T14:47:43Z-
dc.date.available2025-05-30T14:47:43Z-
dc.date.issued2025-04-28-
dc.identifier.citationTONETI, 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/45996-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectVisão Computacionalpt_BR
dc.subjectComputer Visionpt_BR
dc.subjectYOLOpt_BR
dc.subjectBDICAFEpt_BR
dc.subjectMacronutrientespt_BR
dc.subjectMacronutrientspt_BR
dc.subjectCafépt_BR
dc.subjectCoffeept_BR
dc.titleUtilização da yolo na identificação de deficiências de macronutrientes em folhas de cafépt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Ribeiro, Thiago Pirola-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8887726177714522pt_BR
dc.contributor.referee1Escarpinati, Mauricio Cunha-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5939941255055989pt_BR
dc.contributor.referee2Martinez, Ana Cláudia-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/6993507870608075pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.sizeorduration72pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)pt_BR
dc.orcid.putcode185103986-
Appears in Collections:TCC - Ciência da Computação

Files in This Item:
File Description SizeFormat 
UtilizaçãoYoloIdentificação.pdfTCC5.3 MBAdobe PDFThumbnail
View/Open
Show simple item record


This item is licensed under a Creative Commons License Creative Commons