Análise comparativa de redes neurais convolucionais na predição do teor de nitrogênio foliar em cultivos de morango através de imagens RGB

• Ano de defesa: 2023
• Autor(a) principal: Regazzo, Jamile Raquel
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Adubação nitrogenada; Aprendizado de máquina; Machine learning; Nitrogen fertilization; Resnet-50
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-11092023-150313/

A produção de morango no Brasil tem experimentado um crescimento significativo nos últimos anos, impulsionado pela demanda em constante expansão tanto no mercado interno quanto nas exportações. Nesse contexto, é crucial assegurar uma condição nutricional adequada para garantir altos níveis de produtividade, otimizar o uso de fertilizantes, aumentar a eficiência dos sistemas operacionais e promover a sustentabilidade no uso dos recursos naturais. Para atender a essa demanda, torna-se indispensável o uso de ferramentas tecnológicas capazes de determinar o estado nutricional por meio da extração de características de imagens digitais e aplicação de algoritmos. Essas abordagens não apenas reduzem significativamente o tempo necessário em comparação com as análises convencionais, mas também aprimoram a eficiência na aplicação de fertilizantes. Dentre os algoritmos de aprendizado de máquina utilizados para extrair características de imagens, destaca-se a rede neural convolucional (CNN), que tem sido amplamente estudada para classificação, detecção e segmentação de dados de interesse através de camadas convolucionais que fornecem informações mais eficientes e robustas. Assim, a CNN surge como uma alternativa viável para a determinação da condição nutricional das plantas. O objetivo deste estudo foi avaliar e comparar o desempenho de duas redes neurais convolucionais na predição de nitrogênio foliar na cultura do morango a partir de imagens RGB, analisando a acurácia e o erro de predição dos modelos. O delineamento experimental adotado foi de blocos casualizados, com três tratamentos e cinco repetições. A parcela experimental foi composta por dois vasos, contendo uma planta de morangueiro cada, com capacidade de 3 L (área de 0,02298 m2 e diâmetro de 0,17 m), totalizando 30 vasos. Os tratamentos consistiram em 3 doses de adubação e foram nomeados de T1: 50% da adubação recomendada, para nitrogênio, T2: 100% da adubação controle e T3: 150% da adubação controle. A utilização da arquitetura Resnet-50 resultou em um desempenho superior em comparação com a rede neural própria, apresentando uma acurácia de 96% e 76%, respectivamente.