Identificação de doenças na folha da cana de açúcar utilizando uma rede neural artificial

Abstract

O controle de pragas e doenças é um aspecto essencial na cultura da cana-de-açúcar. Anualmente, milhões de reais são investidos no manejo e controle desses problemas fitossanitários. A aplicação de técnicas modernas, como visão computacional e deep learning, está se tornando uma abordagem promissora na detecção e monitoramento de doenças. Diante desse contexto, o objetivo da pesquisa foi criar um algoritmo capaz de identificar diferentes problemas fitossanitários nas folhas de cana-de-açucar (Saccharum officinarum), focando em quatro doenças específicas: mosaico, pontos vermelhos, ferrugem e folha amarela. Foi utilizado a rede neural artificial convolucional VGG16. Os resultados mostraram uma precisão média de 81% de assertividade na identificação das doenças fitossanitárias.

Pest and disease control is an essential aspect of sugarcane cultivation. Every year, millions of reais are invested in the management and control of these phytosanitary problems. The application of modern techniques, such as computer vision and deep learning, is becoming a promising approach to disease detection and monitoring. Given this context, the aim of this research was to create an algorithm capable of identifying different phytosanitary problems in sugarcane (Saccharum officinarum) leaves, focusing on four specific diseases: mosaic, red dots, rust and yellow leaf. The VGG16 convolutional artificial neural network was used. The results showed an average accuracy of 81% in identifying phytosanitary diseases.