Redes neurais aplicadas na identificação da ferrugem da soja

• Autores: Juan Martins Tabosa, Aguinaldo Soares de Oliveira, Alexandra de Oliveira França Hayama
• Localización: Cuadernos de Educación y Desarrollo, ISSN-e 1989-4155, Vol. 16, Nº. 1, 2024, págs. 1978-1993
• Idioma: portugués
• Enlaces
  • Texto completo
• Resumen
  • português

    A perda nas lavouras é um problema recorrente e preocupante, pois causa inúmeros prejuízos. Em específico, a cultura da soja teve danos em torno de 8,5 milhões de grãos entre os anos de 2001 e 2004. A fim de melhorar a produtividade e diminuir os prejuízos, estão sendo utilizadas novas tecnologias, que têm evoluído nos últimos anos para entender e atender as necessidades humanas. Entre elas tem-se as tecnologias computacionais, como a visão computacional, que emula a visão humana, interpretando imagens e processando informações. Dessa forma, a visão computacional pode ser implementada na agricultura, sendo utilizada por exemplo na identificação do fungo Phakopsora Pachyrhizi, causador da ferrugem asiática na plantação da soja. A utilização da visão computacional na identificação da ferrugem asiática é uma ferramenta que pode auxiliar na delimitação de áreas afetadas para aplicação de fungicidas, tornando esta atividade mais precisa, e, consequentemente, diminuindo os gastos e gerando economia no cultivo da soja. A utilização da linguagem de programação Python aumentou nos últimos anos por ser uma linguagem de código aberto. Paralelamente, a utilização da biblioteca OpenCV, tem sido fortemente utilizada na visão computacional. Dessa forma, neste trabalho é utilizada a biblioteca OpenCV na linguagem de programação Python, para o desenvolvimento de um algoritmo para identificação da ferrugem asiática em plantação de soja, mediante processamento de imagem. Para o desenvolvimento deste trabalho foi utilizada rede neural de multicamadas, juntamente com OpenCV e com banco de fotos para treinamento e teste da rede neural.

  • English

    A recurring and worrying problem is the loss of crops, because causes countless losses. Specifically, the soybean crop suffered damages of around 8.5 million grains between 2001 and 2004. In order to improve productivity and reduce losses, new technologies are being used, which have evolved in recent years to understand and meet human needs. Among them are computational technologies, such as computer vision, which emulates human vision, interpreting images and processing information. In this way, computer vision can be implemented in agriculture, being used, for example, in the identification of the fungus Phakopsora Pachyrhizi, which causes asian rust in soybean plantations. The use of computervision in identifying asian rust is a tool that can help in delimiting affected areas for the application of fungicides, making this activity more precise, and, consequently, reducing expenses and generating savings in soybean cultivation. The use of the Python programming language has increased in recent years as it is an open source language. At the same time, the use of the OpenCV library has been heavily used in computer vision. Therefore, in this work the OpenCV library in the Python programming language is used to develop an algorithm for identifying Asian rust in soybean plantations, through image processing. To develop this work, a multilayer neural network was used, together with OpenCV and a photo bank for training and testing the neural network.