Use este identificador para citar ou linkar para este item: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/11954
Título: Detectando a ferrugem asiática na folha da soja utilizando redes neurais convolucionais
Título(s) alternativo(s): Detecting asian rust on soybean leaf using convolutional neural network
Autor(es): Funck, Felipe Carvalho
Orientador(es): Conti, Giuvane
Palavras-chave: Soja
Ferrugem asiática
Redes neurais (Computação)
Android (Recurso eletrônico)
Soybean
Phakopsora pachyrhizi
Neural networks (Computer science)
Android (Electronic resource)
Data do documento: 27-Jun-2019
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Santa Helena
Referência: FUNCK, Felipe Carvalho. Detectando a ferrugem asiática na folha da soja utilizando redes neurais convolucionais. 2019. 65 f. Trabalho de Conclusão de Curso (Graduação) – Universidade Tecnológica Federal do Paraná, Santa Helena, 2019.
Resumo: A cultura da soja é destacadamente o principal cultivo agrícola do Brasil. A principal doença responsável por atingir esta cultura e diminuir o potencial de produção da planta no Brasil é a ferrugem asiática da soja. Este trabalho apresenta uma solução de um aplicativo mobile para a plataforma Android que é capaz de identificar a ferrugem asiática da soja quando ela estiver presente na folha da planta utilizando a câmera de um dispositivo Android, desta forma, auxiliando os produtores rurais a realizarem o tratamento da doença nas lavouras de soja o mais rápido possível. O trabalho foi desenvolvido aplicando técnicas de visão computacional e um modelo de Rede Neural Convolucional para realizar a classificação de imagens. A biblioteca TensorFlow foi utilizada durando todo o processo de desenvolvimento do aplicativo, desde o processo de treinamento da Rede Neural Artificial, até a etapa de identificação da doença em tempo real na folha da soja. Para realizar as classificações de imagens no aplicativo foi utilizado o modelo de Rede Neural Convolucional Inception-V3, um modelo famoso e conhecido por possuir ótimos resultados em problemas de Deep Learning e classificações de imagens. Ao total foram reunidas 2770 imagens de folhas distintas de soja para o desenvolvimento deste trabalho, sendo dividas entre imagens para realização do treinamento da rede neural e imagens de testes para validação do aplicativo. Ao final dos testes realizados o aplicativo desenvolvido atingiu uma acurácia de 84,61% na detecção da ferrugem asiática na folha da soja. Ao final dos testes realizados o modelo treinado se demonstrou eficiente na separação de folhas de soja saudáveis e com a ferrugem asiática da soja, também foram apresentadas algumas dificuldades em distinguir outras doenças da cultura da soja, mesmo com os resultados obtidos em testes sendo satisfatórios.
Abstract: Soybean cultivation is the main agricultural crop in Brazil. The main disease responsible for reaching this crop and decreasing the production potential of the plant in Brazil is the Asian soybean rust. This work presents a solution of a mobile application for the Android platform that is able to identify the Asian soybean rust when it is present in the leaf of the plant using the camera of an Android device, in this way, helping the rural producers to carry out the treatment of the disease in the soybean plantations as soon as possible. The work was developed applying computational vision techniques and a Convolutional Neural Network model to perform image classification. The TensorFlow library was used throughout the entire application development process from the artificial neural network training process to the real-time identification of the disease in the soybean leaf. Inception-V3 Convolutional Neural Network model was used to perform in-app image classifications, a famous model known for having great results in Deep Learning problems and image classifications. In total, 2770 images of different leaves of soybean were collected for the development of the work, being divided between images for performing neural network training and imaging tests for application validation. At the end of the tests, the developed application reached an accuracy of 84.61% in the detection of Asian rust on soybean leaf. At the end of the tests, the trained model was shown to be efficient in the separation of healthy soybean leaflets and Asian soybean rust, some difficulties were also observed in distinguishing other diseases from the soybean crop, even with the results obtained in satisfactory.
URI: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/11954
Aparece nas coleções:SH - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
SH_COCIC_2019_1_05.pdf1,95 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.