Das Montanhas de Minas ao Oceano: Os Caminhos da Ciência para um Futuro Sustentável
20 a 25 de outubro de 2025
Trabalho 21977
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Dimensões Econômicas: ODS9 |
| Setor | Departamento de Engenharia Elétrica |
| Bolsa | PIBIC/CNPq |
| Conclusão de bolsa | Não |
| Apoio financeiro | CNPq |
| Primeiro autor | Pedro Lucas de Oliveira Mateus |
| Orientador | RODOLPHO VILELA ALVES NEVES |
| Outros membros | Eveline Teixeira Caixeta Moura, LEONARDO BONATO FELIX |
| Título | Detecção e Classificação da Severidade da Ferrugem-do-Cafeeiro em folhas de Coffea Arabica utilizando YOLO |
| Resumo | Este trabalho apresenta uma abordagem baseada em inteligência artificial para a detecção e classificação da severidade da ferrugem-do-cafeeiro (Hemileia vastatrix) em folhas de Coffea arabica. A pesquisa foi desenvolvida a partir de um banco de dados construído em colaboração entre o Laboratório de Biotecnologia do Cafeeiro (BioCafé) e o Núcleo Interdisciplinar de Análise de Sinais (NIAS), ambos da Universidade Federal de Viçosa (UFV). Esse banco de dados é composto por imagens de folhas de cafeeiro infectadas de forma controlada com o fungo causador da doença, permitindo um controle rigoroso sobre as condições de infecção e a rotulação dos dados. O objetivo principal do estudo é empregar técnicas de aprendizado de máquina e aprendizado profundo para realizar duas tarefas fundamentais: (i) detectar a presença da ferrugem em discos foliares e (ii) classificar automaticamente o grau de severidade da infecção. Para isso, foi adotada uma escala ordinal composta por seis níveis, variando desde folhas totalmente resistentes (nível 1) até aquelas com o estágio mais avançado de infecção (nível 6). O modelo adotado para a tarefa de detecção foi o YOLO (You Only Look Once), modelo reconhecido por sua alta precisão e velocidade na detecção de objetos em imagens. As imagens foram inicialmente anotadas manualmente por especialistas, com o auxílio da ferramenta Roboflow, que possibilita a marcação exata das regiões afetadas por lesões. Posteriormente, as imagens foram submetidas a um processo de pré-processamento, visando a padronização de tamanho, o aprimoramento da qualidade visual e a remoção de ruídos ou artefatos indesejados. Após a etapa de detecção, foi aplicado um pós-processamento para reduzir a incidência de detecções redundantes ou incorretas, diminuindo significativamente o número de falsos positivos. Por fim, as regiões detectadas foram utilizadas como entrada para classificadores baseados em redes neurais profundas, os quais realizaram a categorização automática da severidade da doença conforme a escala estabelecida. Em relação aos trabalhos anteriores realizados pelo NIAS, espera-se que esta etapa de seleção das lesões possa melhorar a acurácia de classificação das amostras e antecipar a classificação do cultivar como resistente ou susceptível à ferrugem do café. |
| Palavras-chave | Ferrugem-do-Cafeeiro, Inteligência Artificial, Detecção de Imagens |
| Forma de apresentação..... | Vídeo |
| Link para apresentação | Vídeo |
|---|