Detecção de Planococcus citri em cafeeiro por classificação supervisionada utilizando imagens multiespectrais

• Kamila Fernanda Rossati ^[1] ; Vanessa Andaló ^[1] ; George Deroco Martins ^[1] ; Gleice Aparecida de Assis ^[1] ; Vinícius Silva Werneck Orlando ^[2] ; Letícia Pasqualin Messias Arriero ^[1] ; Lucas Silva de Faria ^[1] ; Renan Zampiroli ^[1]
  1. [1] Universidade Federal de Uberlândia

     Universidade Federal de Uberlândia

     Brasil

     
  2. [2] Universidade Estadual Paulista

     Universidade Estadual Paulista

     Brasil

     
• Localización: Ciencia rural, ISSN 0103-8478, Vol. 55, Nº. 8, 2025
• Idioma: portugués
• Títulos paralelos:
  • Planococcus citri in coffee trees by supervised classification using multispectral images
• Enlaces
  • Texto completo
• Resumen
  • English

    One of the obstacles to the cultivation of coffee trees is the occurrence of the mealybug Planococcus citri. These insects occur in clusters, and can infest branches, leaves, flower buds, and fruits, reaching all the rosettes of the plant and leading to partial drying or total loss of these branches. This study determined the use of low-cost multispectral images to identify coffee plants infested with P. citri. Two study areas were used in the municipality of Coromandel, Minas Gerais, Brazil. One had a high infestation rate of mealybugs and the other had no mealybugs. Another area, in the municipality of Monte Carmelo, Minas Gerais, Brazil, had mealybugs on some plants and not on others. In each study area, 50 plants were randomly sampled, with a minimum distance of 10 m between them. Then, we counted the number of mealybugs in two plagiotropic branches in the middle third portion of the plants. The images were obtained using a drone attached to a Mapir Survey 3W camera at a height of 100 m. The classifications were made using Artificial Neural Networks (ANN), Support Vector Machine (SVM), and Random Forest algorithms. The results confirmed the possibility of distinguishing between healthy and P. citri infested plants using algorithms based on machine learning. The best differentiation of healthy and infested plants was achieved using the Random Forest algorithm in areas with variable infestation (EG = 90% and K = 0.80), followed by SVM (EG = 83.34% and K = 0.67), and ANN (EG = 73.34% and K = 0.47).

  • português

    Entre os entraves para o cultivo do cafeeiro, pode-se citar a ocorrência da cochonilha Planoccous citri. São insetos que ocorrem em reboleiras, podendo infestar ramos, folhas, botões florais e frutos, chegando a infestar todas as rosetas da planta e levando ao chochamento parcial ou perda total destes ramos. Teve-se como objetivo utilizar imagens multiespectrais de baixo custo na discriminação de plantas de cafeeiro infestadas por P. citri. Foram utilizadas duas áreas de estudo no município de Coromandel, MG, Brasil, sendo uma com alta infestação de cochonilha e uma com ausência de cochonilha e uma área no município de Monte Carmelo, MG, Brasil, com presença e ausência de cochonilha nas plantas avaliadas. Em cada área de estudo foram amostradas aleatoriamente 50 plantas, com distância mínima de 10 metros entre plantas, avaliando a quantidade de cochonilhas presentes em dois ramos plagiotrópicos localizados no terço médio das plantas. As imagens foram obtidas utilizando um drone acoplado a uma câmera Mapir Survey 3W com voo a uma altura de 100 metros. As classificações foram feitas utilizando os algoritmos Redes Neurais Artificiais (RNA), Support Vector Machine (SVM) e Florestas Aleatórias. Os resultados confirmaram a possibilidade de discriminação entre plantas sadias e infestadas por P. citri utilizando algoritmos baseados em aprendizado de máquina. Com relação à discriminação de plantas sadias e infestadas, o algoritmo Random Forest apresentou o melhor resultado em áreas com variabilidade de infestação (EG = 90% e K = 0,80), seguido pelo SVM (EG = 83,34% e K = 0,67) e RNA (EG = 73,34% e K = 0,47).