Identificação de doenças em folhas de soja utilizando redes neurais convolucionais

Detalhes bibliográficos
Autor(a) principal: Costa, Rodrigo Perehouskei da
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/249155
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina, Campus Blumenau, Engenharia de Controle e Automação.
id UFSC_0f7d2fb373f4322b30801f825048ce9d
oai_identifier_str oai:repositorio.ufsc.br:123456789/249155
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Identificação de doenças em folhas de soja utilizando redes neurais convolucionaisDetecção de doenças em plantasInteligência artificialRedes neurais convolucionaisDetection of plant diseasesArtificial intelligenceConvolutional neural networksTCC (graduação) - Universidade Federal de Santa Catarina, Campus Blumenau, Engenharia de Controle e Automação.Atualmente, um dos maiores problemas da agricultura mundial está interligado ao con trole de doenças, sendo responsável por grandes prejuízos. A detecção das doenças nas culturas agrícolas é um fator essencial para seu controle, dessa forma, é importante uma rápida tomada de decisão, para os prejuízos serem os mínimos possíveis. Neste contexto, este trabalho investigou métodos para classificação das doenças utilizando uma área da inteligência artificial conhecida como redes neurais convolucionais. Foram utilizados qua tro repositórios de imagens diferentes para compor um banco de imagem, contendo 815 imagens com seis classes, sendo cinco classes com as cinco principais doenças foliares presentes na soja e uma classe com a folha saudável. As bibliotecas TensorFlow e Keras foram utilizadas para o pré-processamento de imagem, elaboração e treinamento das duas redes neurais presentes no projeto, sendo uma rede neural convolucional chamada de Mo bileNetV2 e outra desenvolvida pelo autor. Mediante ao software Weka foram treinados algoritmos tradicionais com dados obtidos através de extração de features pelo descritor GIST, a fim de comparação dos resultados alcançados pelas redes neurais convolucionais. As 815 imagens foram divididas em três conjuntos de dados, estes sendo treinamento, validação e teste. Os resultados demonstraram que a rede neural MobileNetV2 alcançou um desempenho de 11,3% melhor do que a rede neural desenvolvida e 18,3% melhor do que métodos baseados em extração de features.Currently, one of the biggest problems in world agriculture is related to disease control, which is responsible for large-scale losses. The detection of diseases in agricultural crops is an essential factor for their control, therefore, it is important that decisions are made quickly and efficiently so that losses are drastically minimized. In this context, the present work investigated methods for classifying diseases using an area of artificial intelligence known as convolutional neural networks. Four different image repositories were used to compose an image bank, containing 815 images with six classes, five classes with the five main foliar diseases present in soybeans, and one class with a healthy leaf. The TensorFlow and Keras libraries were used for image pre-processing, elaboration and training of the two neural networks present in the project, one convolutional neural network called Mobile NetV2 and another developed by the author. Using the Weka software, trained traditional algorithms were trained with data obtained through feature extraction by the descriptor GIST, in order to compare the results achieved by convolutional neural networks. The 815 images were divided into three sets of data, these being training, validation and testing. The results demonstrated that the MobileNetV2 neural network achieved a performance of 11,3% better than the developed neural network, and 18,3% better than methods based on feature extraction.Blumenau, SC.Ferrandin, MauriUniversidade Federal de Santa Catarina.Costa, Rodrigo Perehouskei da2023-07-28T11:28:10Z2023-07-28T11:28:10Z2023-07-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis72 f.application/pdfhttps://repositorio.ufsc.br/handle/123456789/249155Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2023-07-28T11:28:11Zoai:repositorio.ufsc.br:123456789/249155Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732023-07-28T11:28:11Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Identificação de doenças em folhas de soja utilizando redes neurais convolucionais
title Identificação de doenças em folhas de soja utilizando redes neurais convolucionais
spellingShingle Identificação de doenças em folhas de soja utilizando redes neurais convolucionais
Costa, Rodrigo Perehouskei da
Detecção de doenças em plantas
Inteligência artificial
Redes neurais convolucionais
Detection of plant diseases
Artificial intelligence
Convolutional neural networks
title_short Identificação de doenças em folhas de soja utilizando redes neurais convolucionais
title_full Identificação de doenças em folhas de soja utilizando redes neurais convolucionais
title_fullStr Identificação de doenças em folhas de soja utilizando redes neurais convolucionais
title_full_unstemmed Identificação de doenças em folhas de soja utilizando redes neurais convolucionais
title_sort Identificação de doenças em folhas de soja utilizando redes neurais convolucionais
author Costa, Rodrigo Perehouskei da
author_facet Costa, Rodrigo Perehouskei da
author_role author
dc.contributor.none.fl_str_mv Ferrandin, Mauri
Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Costa, Rodrigo Perehouskei da
dc.subject.por.fl_str_mv Detecção de doenças em plantas
Inteligência artificial
Redes neurais convolucionais
Detection of plant diseases
Artificial intelligence
Convolutional neural networks
topic Detecção de doenças em plantas
Inteligência artificial
Redes neurais convolucionais
Detection of plant diseases
Artificial intelligence
Convolutional neural networks
description TCC (graduação) - Universidade Federal de Santa Catarina, Campus Blumenau, Engenharia de Controle e Automação.
publishDate 2023
dc.date.none.fl_str_mv 2023-07-28T11:28:10Z
2023-07-28T11:28:10Z
2023-07-10
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/249155
url https://repositorio.ufsc.br/handle/123456789/249155
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Open Access.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Open Access.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 72 f.
application/pdf
dc.publisher.none.fl_str_mv Blumenau, SC.
publisher.none.fl_str_mv Blumenau, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652352753762304

Registros relacionados