Desenvolvimento e validação de modelo de machine learning para avaliação da severidade da mancha preta (cercosporidium personatum) no amendoim (arachis hypogaea)

Abstract

A mancha preta, causada pelo fungo Cercosporidium personatum, é uma das principais doenças que comprometem a produção de amendoim (Arachis hypogaea) no Brasil. A avaliação visual tradicional da severidade da doença é frequentemente subjetiva e imprecisa, o que dificulta o manejo adequado da cultura. Este estudo teve como objetivo desenvolver e validar um modelo de aprendizado de máquina, utilizando a arquitetura ResNet50, para automatizar a classificação dos níveis de severidade da mancha preta em folhas de amendoim. Foram utilizadas 380 imagens processadas e categorizadas conforme uma escala diagramática aprimorada para a presente pesquisa. O modelo foi treinado com o uso de aprendizado por transferência e testado ao longo de 100 execuções, considerando métricas como acurácia, precisão, recall e F1-score. A performance do modelo foi comparada à de 14 avaliadores humanos não treinados, demonstrando superioridade em quatro das seis classes de severidade. A acurácia média do modelo atingiu 73%, frente a 44% dos avaliadores, evidenciando sua consistência e confiabilidade. A análise estatística confirmou a estabilidade dos resultados, especialmente nas classes “sadia” e “severo”. Conclui-se que o uso de redes neurais profundas apresenta desempenho superior às avaliações humanas para diagnóstico em fitopatologia, possibilitando avaliações mais rápidas e precisas, e reforçando o potencial da inteligência artificial no apoio à Agricultura de Precisão.