Desenvolvimento de um Modelo de Detecção de Doenças em Soja com ML.NET: Análise de Performance
Resumo
Este estudo avalia a aplicação do ML.NET na detecção de doenças na soja (Glycine max), um cultivo de alta importância econômica, especialmente no Brasil, onde o agronegócio representa cerca de 30% do PIB. Identificar doenças nas fases iniciais é crucial para minimizar perdas financeiras e garantir a segurança alimentar global. A ONU destacou essa importância ao designar 2020 como o Ano Internacional da Saúde Vegetal, estimando que pragas e doenças podem reduzir as safras em até 40% anualmente. O ML.NET, uma biblioteca de aprendizado de máquina da Microsoft, facilita a criação de modelos personalizados usando C# e é compatível com várias plataformas, incluindo web, móveis e desktop. Neste estudo, a biblioteca será empregada para treinar um modelo de detecção de doenças da soja por meio da API ImageClassification. O objetivo é avaliar o desempenho do ML.NET na classificação de imagens de folhas de soja afetadas por doenças, utilizando um conjunto de dados externo ao usado no treinamento e validação. Os resultados serão comparados com outros métodos de detecção de doenças para validar a eficácia do ML.NET. A escolha do ML.NET se deve à sua acessibilidade e facilidade de integração com diferentes plataformas, permitindo o desenvolvimento de aplicativos especializados. A implementação de um modelo eficiente de detecção de doenças em soja pode reduzir perdas e contribuir para a sustentabilidade do agronegócio, assegurando maior segurança alimentar global.
Referências
FAO. International Year of Plant Health 2020 | FAO | Food and Agriculture Organization of the United Nations. Disponível em: [link]. Acesso em: 10 jun. 2024.
RODRIGUES, Pedro Asseiro. Classificação de doenças nas plantas utilizando Transfer Learning numa aplicação móvel. 2020. 75 f. Dissertação (Mestrado) - Curso de Sistemas de Informação, Escola Superior de Tecnologia e de Gestão de Bragança, Instituto Politécnico de Bragança, Bragança, 2020. Disponível em: [link]. Acesso em: 10 jun. 2024.
CARRASCOSA, Alexandre de Freitas. Aplicação de métodos de processamento de imagem e redes neurais na extração de características de doenças em plantas. 2021. 69 f. TCC (Graduação) - Curso de Engenharia Agrícola e Ambiental, Instituto de Ciências Agrárias e Tecnológicas, Universidade Federal de Rondonópolis, Rondonópolis, Mt, 2021. Disponível em: [link]. Acesso em: 10 jun. 2024.
ROSA, Matheus Cassali da. Redes neurais convolutivas aplicadas à detecção de ervas daninhas. 2019. 78 f. Dissertação (Mestrado) - Curso de Engenharia Elétrica, Programa de Pós-Graduação, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2019. Disponível em: [link] Acesso em: 10 jun. 2024.
NEUMANN, Bruno Germano. Identificação de doenças na soja utilizando inteligência artificial por meio de análise de imagens. 2019. 114 f. TCC (Graduação) - Curso de Sistemas de Informação, Centro de Ciências Exatas e Tecnológicas, Universidade do Vale do Taquari, Lajeado, 2019. Disponível em: [link]. Acesso em: 29 jun. 2024.
MALLIA, S. Soybean Diseased Leaf Dataset. Kaggle. Disponível em: [link]. Acesso em: 29 jun. 2024.
HENNING, Ademir Assis; EMBRAPA SOJA. Manual de identificação de doenças de soja. 5. ed. Londrina: Embrapa Soja, 2014. 76 p.: il. color. (Documentos / Embrapa Soja, ISSN 1516-781X; n. 256). Disponível em: [link]. Acesso em: 29 jun. 2024.
