Avaliação de algoritmos de machine learning na classificação de antracnose em folhas de manga

Abstract

A antracnose, doença causada pelo fungo Colletotrichum gloeosporioides, representa um dos maiores problemas encontrados pelos produtores de manga (Mangifera indica L) do Brasil. Apesar do aumento constante da relevância dessa cultura no país e dos recordes sucessivos nas exportações do fruto, o cultivo de manga pode atingir valores de produção e faturamento ainda mais elevados com ações preventivas contra a antracnose. As perdas econômicas por doenças e fungos geralmente atingem 30 a 50%. Com os avanços das tecnologias e técnicas de machine learning para a detecção precoce de doenças foliares, o presente trabalho tem como objetivo analisar a performance dos seguintes modelos: Support Vector Machine (SVM), Random Forest, Logistic Regression e Neural Network, visando a capacidade de classificação das folhas de manga, utilizando validação cruzada em conjunto com métricas como a área abaixo da curva R.O.C. (AUC) e a acurácia (CA), através do software de análise de dados e machine learning Orange Data Mining. Os modelos Logistic Regression, Neural Network e SVM apresentaram os resultados mais elevados, com valores de AUC iguais a 1 e CA de 99%, o presente trabalho conclui que esses modelos podem ser utilizados para auxiliar na classificação precoce de antracnose em folhas de manga, com isso garantindo uma tomada de decisão mais rápida e eficaz ao produtor.