Utilização de redes neurais para reconhecimento de doenças foliares em culturas agrícolas

Detalhes bibliográficos
Autor(a) principal: Rosa, Eduardo Nunes
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/242732
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina, Campus Curitibanos, Agronomia.
id UFSC_3a2b0d54d15768cb52882dbcc4dfd66e
oai_identifier_str oai:repositorio.ufsc.br:123456789/242732
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Utilização de redes neurais para reconhecimento de doenças foliares em culturas agrícolasGoogle ColabFitopatologiaTensorflowAndroidPhytopathologyTCC (graduação) - Universidade Federal de Santa Catarina, Campus Curitibanos, Agronomia.A produção agrícola é comprometida devido a ação de doenças causadas por fungos, bactérias, vírus e nematoides. A diagnose visual é um dos meios pelos quais se pode avaliar sintomas de doenças em plantas. Contudo, muitas doenças possuem sintomas similares e a diagnose incorreta pode acarretar no tratamento ineficaz. Diante disso, tem se observado que as novas tecnologias que fazem uso da inteligência artificial, aprendizado de máquina, visão computacional e reconhecimento de padrões podem auxiliar neste processo. Desse fato se propõe a criação de uma aplicação móvel para o sistema Android, que faz uso das ferramentas de inteligência artificial, para a detecção e classificação de doenças, diante de uma grande variedade de espécies de plantas e doenças. O presente trabalho buscou o reconhecimento de doenças conforme a disponibilidade de bancos de imagens, a partir do desenvolvimento de uma Rede Neural Artificial (RNA), fazendo o uso de ferramentas como Tensorflow e Keras, utilizando a linguagem Python, no ambiente de programação Google Colab. Com isso foi possível treinar e validar a RNA para 5 culturas de 2 bancos de imagens diferentes, com um montante de 60 classes. O modelo pré-treinado Mobilenet V2 resultou em uma acurácia de 95% no treinamento e na validação de 85% do reconhecimento das imagens. A RNA foi implementada em um aplicativo móvel Android.Agricultural production is compromised due to the action of diseases caused by fungi, bacteria, viruses, and nematodes. Visual diagnosis is one of how symptoms of plant diseases can be evaluated. However, many diseases have similar symptoms and incorrect diagnosis can lead to ineffective treatment. Thus, new technologies that make use of artificial intelligence, machine learning, computer vision and pattern recognition can help in this process. From this fact, we proposed the creation of a mobile application for the Android system, which makes use of artificial intelligence tools, for the detection and classification of diseases, in the face of a wide variety of plant species and diseases. The present work sought to recognize diseases according to the availability banks of image, from the development of an Artificial Neural Network (ANN), using tools such as Tensorflow and Keras, using the Python language, in the Google Colab programming environment. With this, it was possible to train and validate the RNA for 5 cultures from 2 different image banks, with an amount of 60 classes. The pre-trained Mobilenet V2 model resulted in 95% accuracy in training and 85% in validation of image recognition. ANN was implemented in an Android mobile application.Curitibanos, SC.Tolentino Júnior, João BatistaUniversidade Federal de Santa Catarina.Rosa, Eduardo Nunes2022-12-14T13:03:32Z2022-12-14T13:03:32Z2022-11-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis59application/pdfhttps://repositorio.ufsc.br/handle/123456789/242732Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2022-12-14T13:03:38Zoai:repositorio.ufsc.br:123456789/242732Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732022-12-14T13:03:38Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Utilização de redes neurais para reconhecimento de doenças foliares em culturas agrícolas
title Utilização de redes neurais para reconhecimento de doenças foliares em culturas agrícolas
spellingShingle Utilização de redes neurais para reconhecimento de doenças foliares em culturas agrícolas
Rosa, Eduardo Nunes
Google Colab
Fitopatologia
Tensorflow
Android
Phytopathology
title_short Utilização de redes neurais para reconhecimento de doenças foliares em culturas agrícolas
title_full Utilização de redes neurais para reconhecimento de doenças foliares em culturas agrícolas
title_fullStr Utilização de redes neurais para reconhecimento de doenças foliares em culturas agrícolas
title_full_unstemmed Utilização de redes neurais para reconhecimento de doenças foliares em culturas agrícolas
title_sort Utilização de redes neurais para reconhecimento de doenças foliares em culturas agrícolas
author Rosa, Eduardo Nunes
author_facet Rosa, Eduardo Nunes
author_role author
dc.contributor.none.fl_str_mv Tolentino Júnior, João Batista
Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Rosa, Eduardo Nunes
dc.subject.por.fl_str_mv Google Colab
Fitopatologia
Tensorflow
Android
Phytopathology
topic Google Colab
Fitopatologia
Tensorflow
Android
Phytopathology
description TCC (graduação) - Universidade Federal de Santa Catarina, Campus Curitibanos, Agronomia.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-14T13:03:32Z
2022-12-14T13:03:32Z
2022-11-17
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/123456789/242732
url https://repositorio.ufsc.br/handle/123456789/242732
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 59
application/pdf
dc.publisher.none.fl_str_mv Curitibanos, SC.
publisher.none.fl_str_mv Curitibanos, 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_ 1808652319221350400

Registros relacionados