Palavras-chave
Resumo
Este trabalho tem como objetivo aplicar técnicas de aprendizado profundo para a detecção de doenças em plantas a partir de imagens digitais. Utilizando o conjunto de dados PlantVillage, que contém milhares de imagens classificadas em diversas culturas e patologias, foi desenvolvido um modelo de rede neural convolucional baseado na arquitetura ResNet50. A pesquisa foi motivada pelo desafio enfrentado por agricultores em identificar doenças de forma precoce, especialmente em regiões com acesso limitado a assistência técnica. A metodologia envolveu o pré-processamento das imagens, divisão dos dados em treino e validação, aplicação de aumento de dados e ajuste fino da rede utilizando pesos pré-treinados. O modelo foi treinado em ambientes distintos, incluindo máquina local e Google Colab, com análise de métricas como acurácia, perda, precisão e revocação. Os resultados demonstraram que a ResNet50, mesmo com oscilações na validação, alcançou desempenho satisfatório, indicando seu potencial para aplicação no campo. Conclui-se que a utilização de redes neurais pode contribuir significativamente para o monitoramento fitossanitário de forma automatizada e escalável.