Classificação de requeima e mancha bacteriana do tomateiro utilizando resnet-50 com aprendizagem por transferência

Abstract

As doenças foliares, como a Requeima (Phytophthora infestans) e a Mancha Bacteriana (Xanthomonas vesicatoria), ameaçam a produtividade da cultura do tomate, resultando em perdas econômicas. A sua detecção precoce é fundamental para um manejo eficaz. Este trabalho propõe um modelo de classificação de doenças foliares do tomateiro utilizando Deep Learning. O modelo emprega a arquitetura de rede neural convolucional ResNet-50, com aprendizagem por transferência a partir de um modelo pré-treinado na base de dados ImageNet. A arquitetura foi adaptada pela substituição da camada classificadora final por uma nova camada linear com três neurônios de saída para as classes de interesse (Requeima, Mancha Bacteriana e Saudável). O conjunto de dados, construído a partir do repositório PlantVillage, passou por um processo de limpeza manual, onde imagens borradas, com iluminação inadequada, sombras ou foco no fruto foram descartadas para reduzir o ruído. O conjunto filtrado foi dividido em 3 partes, 80% para o treino, 10% para a validação e 10% para os testes finais, totalizando em 550 imagens de plantas saudáveis, 550 imagens de plantas com Requeima e 550 imagens de plantas com Mancha Bacteriana, especificamente para o treino. Técnicas de data augmentation, como rotação e alteração de cor, foram aplicadas apenas ao treino para evitar overfitting. No treino, os parâmetros das camadas convolucionais foram congelados, restringindo-se o ajuste apenas à nova camada classificadora com o otimizador Adam. Os resultados indicam que a limpeza de dados foi um fator determinante para o alto desempenho. O treinamento, realizado por 24 épocas, mostrou boa generalização, o modelo treinado obteve uma acurácia de 95,76% nos testes de validação, demonstrando alta eficácia para a tarefa proposta permitindo a integração em aplicações para auxiliar na tomada de decisão.