Aplicação de estratégias de aprendizado de máquina na detecção de plantas invasoras em pastagens

Resumo

A presença de plantas invasoras em pastagens é um desafio enfrentado pelo pecuarista. A erva daninha, além de concorrer com a forrageira por nutrientes, pode causar mal aos animais. O combate químico é uma das opções indicadas para enfrentar esse problema. Nesse sentido, a detecção automática é uma alternativa necessária, ao aumentar a agilidade a diminuição dos custos do processo. Nesse sentido, algoritmos de aprendizado de máquina mostram-se como possíveis alternativas. Neste trabalho foram avaliados diferentes modelos para a classificação de plantas invasoras, tendo como referência imagens do gênero Rumex. Os modelos avaliados eram baseados em estratégias monolíticas e em sistemas de múltiplos classificadores. Os experimentos, realizados sobre dois conjuntos de dados com diferentes proporções entre as classes positivas e negativas, mostraram que o KNN foi o modelo individual mais competente em detectar a planta invasora, obtendo acurácia superior a 95% nos dois conjuntos e sensibilidade superior a 0,90. Já entre os modelos baseados em ensembles aquele que se destacou foi o Random Forest, com taxa de acertos acima de 0,95 e sensibilidade de aproximadamente 90% nos dois cenários.