MODELO DE VISÃO COMPUTACIONAL PARA PREDIÇÃO DE DOENÇAS EM FOLHAS
Palavras-chave:
U-net, visão computacional, agricultura de precisãoResumo
O presente trabalho demonstrou com eficácia a implementação de um modelo de visão computacional, baseado na arquitetura U-Net, para a segmentação de lesões em folhas de plantas. O objetivo do trabalho de desenvolver um modelo para a identificação precoce de doenças em folhas foi obtido, conforme apresentado e discutido ao longo do resumo .
O modelo treinado alcançou uma acurácia de validação expressiva, atingindo 0.9202 na 12a época, e as predições visuais se mostraram convincentes ao delinear as áreas afetadas de forma similar às máscaras de referência. A utilização de técnicas como EarlyStopping foi fundamental para otimizar o treinamento e prevenir o sobreajuste (overfitting), garantindo que o modelo mantivesse a capacidade de generalizar para novos dados. A pesquisa valida a arquitetura U-Net como uma solução robusta para tarefas de segmentação em agricultura de precisão, capaz de quantificar objetivamente a severidade de doenças e auxiliar na aplicação direcionada de tratamentos. Limitações de hardware foram identificadas como um ponto que poderia restringir a aceleração do treinamento.Para trabalhos futuros, sugere-se a exploração de otimizações na arquitetura, a utilização de métricas de avaliação mais específicas para segmentação, como Dice ou IoU, e a experimentação com diferentes técnicas de aumento de dados e otimizadores para aprimorar ainda mais o desempenho do modelo.
