Comparação de desempenho entre Random Forest e MobileNetV2 para classificação de imagens de folhas de café

• Emanuel Aurelio Ferreira de Miranda UFPI
• Romuere Rodrigues Veloso e Silva UFPI
• Humberto José da Silva Júnior UFPI
• Vitor José Ferreira dos Santos de Santana UFPI

DOI: https://doi.org/10.5753/enucompi.2023.26612

Resumo

Este artigo apresenta um estudo de classificação de imagens de folhas de café em saudáveis e não saudáveis, empregando o conjunto de imagens RoCoLe e duas técnicas distintas: Random Forest e MobileNetV2. As características das imagens foram extraídas para o treinamento de um classificador Random Forest. Em seguida, uma comparação com o modelo MobileNetV2 foi realizada, revelando que este último obteve uma acurácia superior. Esses resultados ressaltam a promissora aplicação de técnicas de aprendizado de máquina em ambientes externos e evidenciam a importância de escolher a técnica mais adequada com base no conjunto de dados e nos objetivos específicos da aplicação.

Palavras-chave: Deep Learning, Classification, Random Forest, MobileNetV2, Coffee Leaves, RoCole

Referências

Chowdhury, Md. e Burhan, U. (2021). Reconhecimento de doença das folhas de café usando a característica GIST. International Journal of Information Engineering and Electronic Business, 13(2):55–61.

Dias, Jeferson de Sousa e Saito, J. H. (2021). Segmentação de imagens de plantas de café e detecção de doenças usando o algoritmo JSEG. Em Anais do XVII Workshop de Visão Computacional, páginas 42–47. SBC.

Fenu, G. and Malloci, F. M. (2021). Plantas Diamos: um conjunto de dados para diagnóstico e monitoramento de doenças de plantas. Agronomy, 11(11):2107.

Fernandes, A. L. T., Partelli, F. L., Bonomo, R., e Golynski, A. (2012). A moderna cafeicultura dos cerrados brasileiros. Pesquisa Agropecuária Tropical, 42:231–240.

Franco, Matheus Eloy e Silva, J. E. L. (2022). Redes neurais convolucionais aplicadas à identificação de folhas saudáveis de café. 14ª JORNADA CIENTÍFICA E TECNOLÓGICA E 11º SIMPÓSIO DE PÓS-GRADUAÇÃO DO IFSULDEMINAS, 14(1).

Parraga-Alava, J., Cusme, K., Loor, A., e Santander, E. (2019). Rocole: um conjunto de dados de imagens de folhas de café robusta para avaliação de métodos baseados em aprendizado de máquina no reconhecimento de doenças em plantas. Data in Brief, 25:104414.

Patricio, F. R. A. and Oliveira, E. (2013). Desafios no manejo e controle de doenças do café. Visão Agrícola, Piracicaba, 12:51–54.

Tassis, L. M. e S., Tozzi, J. E., e Krohling, R. A. (2021). Uma abordagem de aprendizado profundo que combina segmentação de instância e semântica para identificar doenças e pragas nas folhas de café a partir de imagens de campo. Computers and Electronics in Agriculture, 186:106191.