Aprendizado profundo Aplicado à classificação de doenças foliares do milho

Abstract

A busca pelo desenvolvimento de modelos inteligentes capazes de resolver problemas complexos é cada vez mais recorrente em diversas áreas. Uma delas é a agricultura, onde as doenças são uma grande preocupação, principalmente pelas perdas de produtividade, impacto social e ecológico que podem causar. Assim, o emprego da tecnologia no auxílio à tomada de decisão pode ser um aliado no acompanhamento do cultivo, e, consequentemente, no sucesso da colheita. O Aprendizado Profundo é uma subárea do Aprendizado de Máquina que tem obtido casos de sucesso no desenvolvimento de modelos inteligentes, se destacando na detecção e classificação de imagens, por meio da utilização de Redes Neurais Convolucionais. Neste contexto, o presente trabalho tem como objetivo avaliar modelos baseados em Aprendizado Profundo para classificar doenças foliares do milho, por meio da análise de regiões em imagens da folha. A metodologia envolveu a utilização de Transferência de Aprendizagem, com a aplicação das Redes Neurais ResNet50 e VGG19 em um subconjunto de dados público com 3.838 imagens de folhas, divididas em quatro classes. Os resultados indicaram acurácia máxima de 98,31% utilizando a Rede Neural VGG19 e técnicas de aumentação de dados.