Modelo de machine learning para predição de folhas saudáveis e doentes no café

Abstract

A utilização de tecnologias avançadas na agricultura, como o processamento por algoritmos de aprendizado de máquina (ML), tem se tornado cada vez mais relevante para auxiliar os produtores rurais. No entanto, as doenças do café como a Phoma causada pelo fungo (Phoma spp), e a infestação do bicho mineiro (Leucoptera Coffeella), uma praga que cria galerias nas folhas do café estão se tornando cada vez mais severas. Essas doenças podem ser causadas por vários agentes, como fungos, bactérias, vírus, nematóides e condições climáticas desfavoráveis. Diante desse cenário, é de extrema importância implementar medidas preventivas eficazes, utilizando tecnologias como o ML, para mitigar a evolução dessas doenças, garantindo mais saúde e produtividade das plantações de café. Por esse motivo, o presente trabalho tem como objetivo desenvolver um modelo de ML para a detecção e classificação de folhas do café saudáveis e doentes, contribuindo com o produtor na melhoria da qualidade da sua produção. O modelo foi desenvolvido no Jupyter Notebook, uma das ferramentas mais populares para a exploração e desenvolvimento de projetos de ciência de dados e aprendizado de máquina, e busca abordar um problema mais generalizado, detectando se a folha está doente ou saudável, oferecendo uma solução automatizada na detecção de possíveis doenças no café.