Utilização de redes neurais para reconhecimento de doenças foliares em culturas agrícolas

Abstract

A produção agrícola é comprometida devido a ação de doenças causadas por fungos, bactérias, vírus e nematoides. A diagnose visual é um dos meios pelos quais se pode avaliar sintomas de doenças em plantas. Contudo, muitas doenças possuem sintomas similares e a diagnose incorreta pode acarretar no tratamento ineficaz. Diante disso, tem se observado que as novas tecnologias que fazem uso da inteligência artificial, aprendizado de máquina, visão computacional e reconhecimento de padrões podem auxiliar neste processo. Desse fato se propõe a criação de uma aplicação móvel para o sistema Android, que faz uso das ferramentas de inteligência artificial, para a detecção e classificação de doenças, diante de uma grande variedade de espécies de plantas e doenças. O presente trabalho buscou o reconhecimento de doenças conforme a disponibilidade de bancos de imagens, a partir do desenvolvimento de uma Rede Neural Artificial (RNA), fazendo o uso de ferramentas como Tensorflow e Keras, utilizando a linguagem Python, no ambiente de programação Google Colab. Com isso foi possível treinar e validar a RNA para 5 culturas de 2 bancos de imagens diferentes, com um montante de 60 classes. O modelo pré-treinado Mobilenet V2 resultou em uma acurácia de 95% no treinamento e na validação de 85% do reconhecimento das imagens. A RNA foi implementada em um aplicativo móvel Android.

Agricultural production is compromised due to the action of diseases caused by fungi, bacteria, viruses, and nematodes. Visual diagnosis is one of how symptoms of plant diseases can be evaluated. However, many diseases have similar symptoms and incorrect diagnosis can lead to ineffective treatment. Thus, new technologies that make use of artificial intelligence, machine learning, computer vision and pattern recognition can help in this process. From this fact, we proposed the creation of a mobile application for the Android system, which makes use of artificial intelligence tools, for the detection and classification of diseases, in the face of a wide variety of plant species and diseases. The present work sought to recognize diseases according to the availability banks of image, from the development of an Artificial Neural Network (ANN), using tools such as Tensorflow and Keras, using the Python language, in the Google Colab programming environment. With this, it was possible to train and validate the RNA for 5 cultures from 2 different image banks, with an amount of 60 classes. The pre-trained Mobilenet V2 model resulted in 95% accuracy in training and 85% in validation of image recognition. ANN was implemented in an Android mobile application.