Portal InstitucionalUFPEL

31/05/2018 - 30/08/2021

Ciências Exatas e da Terra - Ciência da Computação

A maçã tem importante papel na balança comercial brasileira, sendo a terceira fruta com maior volume de exportação, com cerca de 100.000 toneladas exportadas anualmente, tornando o Brasil o décimo país com maior volume de exportação. A produção de maçãs no Brasil está concentrada na Região Sul, que é responsável por 98,5% da produção nacional. O grande volume e importância para a economia nacional torna essencial a contínua busca por melhorias na produtividade e qualidade das frutas produzidas. O rápido diagnóstico de distúrbios nutricionais, de pragas e doenças em pomares de macieira é essencial para evitar prejuízos maiores decorrentes da própria situação, bem como evitar que ocorra a disseminação para as demais áreas ainda não afetadas. Além disso, o diagnóstico correto é um processo indispensável para definir as estratégias de manejo/controle e, consequentemente, para o uso racional de fertilizantes e agrotóxicos. Neste projeto, propomos o uso de novos algoritmos de aprendizado de máquina para a classificação de distúrbios em macieiras a partir de imagens de frutos e folhas. Damos atenção a modelos de aprendizado profundo, em particular Redes Neurais Profundas. Nos últimos anos, técnicas baseadas neste modelo tem se destacado em tarefas de classificação de imagens, obtendo o estado-da-arte em diversos cenários. Estes modelos têm como principal característica a capacidade de extrair automaticamente atributos a partir de exemplos de entrada. Nossa hipótese é que estes modelos podem contornar a definição manual de atributos para culturas e distúrbios específicos, adaptando-se ao problema em mãos de forma mais eficaz e generalizável.