AMIPDI: architecture model to identify pests in soybean defoliation images using convolutional neural networks
DOI:
https://doi.org/10.5335/rbca.v17i2.16186Palavras-chave:
Soja, Aprendizado Profundo, Praga, desfolha, AgriculturaResumo
As pragas que atacam as culturas são uma das principais causas de baixa produção e de perdas económicas. Identificar,
diagnosticar e as previsões são formas de reduzir as perdas e manter a qualidade da produção. A desfolha das culturas
prejudica a produção e a qualidade da produtividade. O uso de tecnologias computacionais como Inteligência Artificial
e Aprendizado de Máquina tem possibilitado a identificação de pragas de forma mais rápida e precoce. Neste artigo,
propomos uma arquitetura baseada na aprendizagem profunda destinada a identificar e diagnosticar insetos através
da análise da desfoliação em imagens de culturas. Foram consideradas diferentes abordagens de Redes Neurais
Convolucionais para avaliar a arquitetura proposta. O treinamento e o teste dosmodelos foram realizados utilizando
imagens coletadas por drone em um ambiente natural. A abordagem que apresentou omelhor desempenho, em nosso
cenário, foi a VGG16. A acuráciamédia, na fase de validação, foi de 0,95, enquanto no conjunto de teste, obtivemos 0,86.
Downloads
Downloads
Publicado
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
