CoffeeRust: Classificação de folhas de Coffea arabica afetadas pela ferrugem-do-café com aprendizado não supervisionado

Descrição

As doenças que afetam plantas são um dos maiores desafios para a agricultura e a ferrugem-do-café causada pelo fungo Hemileia vastatrix é especialmente prejudicial aos cultivos de café. Algoritmos de aprendizado de máquinas, voltados para classificação, têm se mostrado eficazes na detecção e classificação dessas doenças ao realizar análise das folhas. No entanto, a maioria desses algoritmos utiliza a classificação supervisionada, que requer um conjunto de dados previamente rotulado por um especialista para o ajuste do modelo. Em contraste, existem algoritmos de aprendizado não supervisionado que não necessitam de dados rotulados antes de seu ajuste. Portanto, este projeto visa desenvolver modelos de aprendizado não supervisionado para diminuir a necessidade de rotulação manual feita por especialistas. Espera-se que os achados deste projeto possa aumentar a velocidade de criação de bancos de dados e aumentar a confiabilidade de seus rótulos em relação aos rótulos já criados pelos especialistas.

Palavras-chave

• Redes neurais
• Visão computacional
• Aprendizado não supervisionado
• Café
• Ferrugem
• Classificação.

Grupo de pesquisa

NIAS

Financiamento

Com financiamento