Desenvolvimento de modelos de redes neurais convolucionais para avaliação nutricional da Brachiaria brizantha

• Ano de defesa: 2020
• Autor(a) principal: Prá, Bruno Rover Dal
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: deep neural networks; diagnose foliar; leaf diagnosis; modelos pré-treinados; pre-trained models; redes neurais profundas; transfer of learning; transferência de aprendizado
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/85/85133/tde-17062021-105428/

Uma das formas de realizar avaliação nutricional em plantas é pela análise dos sintomas apresentados visualmente em suas folhas. Esta avaliação é realizada pela técnica da diagnose foliar por pessoas especializadas sendo, em sua grande maioria de forma manual, assim, necessitando de mão de obra especializada o que acaba dificultando sua utilização, principalmente na região amazônica onde esta mão de obra ainda é escassa. O Objetivo deste estudo foi desenvolver e aplicar modelos de Redes Neurais Convolucionais (CNN), que realizam a classificação do estado nutricional da pastagem Brachiaria brizantha cv. Marandu utilizando a imagem de suas folhas. Para isso, foram implementados e avaliados seis modelos de CNNs: o baseado na AlexNet e os pré-treinados VGG-16, VGG-19, Inception-V3, ResNet-50 e MobileNetV2. Todos os modelos pré-treinados utilizaram transferência de aprendizado que permite economizar tempo e obter um melhor resultado na identificação das deficiências. Para classificá-las foi criado um conjunto de dados de imagens, tanto de folhas deficientes como saudáveis, cultivadas em casa de vegetação para que sirvam como as informações a serem aprendidas pelos modelos, durante o treinamento. Estes modelos classificam as deficiências de Potássio, Nitrogênio e Fósforo, além de identificar se a planta é saudável. Esta tecnologia pode melhorar a produção das pastagens brasileiras e, consequentemente, melhorar o índice de animais por área de pastagem, desta forma, contribuindo para uma produção mais sustentável, principalmente na região amazônica. De todos os modelos testados o que apresentou a melhor acurácia foi o VGG-16 com 96,93%, em dados de teste.