Redes Neurais Convolucionais para detecção do Cancro Europeu das Pomáceas
Resumo
O Cancro Europeu das Pomáceas afeta os pomares de diversos países e surgiu no Brasil no Rio Grande do Sul espalhando-se em outros estados que representam grande parcela da produção de maçã. A doença é uma ameaça por sua rápida propagação e pela dificuldade na sua detecção. Para solucionar este problema foi proposta uma CNN para classificação da doença. O resultado no conjunto de validação para o F-Beta foi de 0.795, obtido pelo VGG19, com precisão de 0.878 e recall de 0.591. Os resultados demonstram a possibilidade de utilizar CNN para a detecção do cancro europeu, embora ainda haja espaço para melhorias.
Referências
Alves, S. A. M., Czermainski, A. B. C., Czermainski, A. B. C., et al. (2019). O cancro europeu no brasil. Embrapa.
Branco Neto, W. C., Araújo, L., Pinto, F., Machado, R., Ribeiro, Y., Junior, W. C., e Mattos, K. (2021). Cancontrol: plataforma para diagnóstico do cancro europeu da macieira. In Anais do XIII Congresso Brasileiro de Agroinformática, pages 44–52, Porto Alegre, RS, Brasil. SBC.
Goodfellow, I., Bengio, Y., e Courville, A. (2016). Deep Learning. MIT Press. Hughes, D. P. e Salathe, M. (2016). An open access repository of images on plant health to enable the development of mobile disease diagnostics.
Lecun, Y., Bottou, L., Bengio, Y., e Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11):2278–2324.
Liang, Q., Xiang, S., Hu, Y., Coppola, G., Zhang, D., e Sun, W. (2019). Pd2senet: Computer-assisted plant disease diagnosis and severity estimation network. Computers and Electronics in Agriculture, 157:518–529.
Sagar, A. e Jacob, D. (2021). On using transfer learning for plant disease detection. bioRxiv.
TorchVision (2016). TorchVision: PyTorch’s Computer Vision library.
Weber, R. (2014). Biology and control of the apple canker fungus neonectria ditissima (syn. n. galligena) from a northwestern european perspective. Erwerbs-Obstbau, 56:95–107.
Branco Neto, W. C., Araújo, L., Pinto, F., Machado, R., Ribeiro, Y., Junior, W. C., e Mattos, K. (2021). Cancontrol: plataforma para diagnóstico do cancro europeu da macieira. In Anais do XIII Congresso Brasileiro de Agroinformática, pages 44–52, Porto Alegre, RS, Brasil. SBC.
Goodfellow, I., Bengio, Y., e Courville, A. (2016). Deep Learning. MIT Press. Hughes, D. P. e Salathe, M. (2016). An open access repository of images on plant health to enable the development of mobile disease diagnostics.
Lecun, Y., Bottou, L., Bengio, Y., e Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11):2278–2324.
Liang, Q., Xiang, S., Hu, Y., Coppola, G., Zhang, D., e Sun, W. (2019). Pd2senet: Computer-assisted plant disease diagnosis and severity estimation network. Computers and Electronics in Agriculture, 157:518–529.
Sagar, A. e Jacob, D. (2021). On using transfer learning for plant disease detection. bioRxiv.
TorchVision (2016). TorchVision: PyTorch’s Computer Vision library.
Weber, R. (2014). Biology and control of the apple canker fungus neonectria ditissima (syn. n. galligena) from a northwestern european perspective. Erwerbs-Obstbau, 56:95–107.
Publicado
10/04/2024
Como Citar
SALVI, Ântony de Aguiar; CAMARGO JR, Paulo C.; CASTELLO BRANCO NETO, Wilson; FERRERO, Carlos Andres; SALVI, Andrey de Aguiar.
Redes Neurais Convolucionais para detecção do Cancro Europeu das Pomáceas. In: ESCOLA REGIONAL DE BANCO DE DADOS (ERBD), 19. , 2024, Farroupilha/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 101-110.
ISSN 2595-413X.
DOI: https://doi.org/10.5753/erbd.2024.238710.
