Aprendizagem de máquina para identificação de plantas de soja sob ataque de insetos usando dados hiperespectrais.

Vista sencilla de ítem
dc.contributorDANIEL VERAS CORREA, UNIVERSIDADE DO OESTE PAULISTA – UNOESTE
dc.contributorANA PAULA MARQUES RAMOS, UNIVERSIDADE DO OESTE PAULISTA – UNOESTE
dc.contributorLUCAS PRADO OSCO, UNIVERSIDADE DO OESTE PAULISTA – UNOESTE
dc.contributorLUCIO ANDRE DE CASTRO JORGE, CNPDIA.
dc.creatorCORREA, D. V.
dc.creatorRAMOS, A. P. M.
dc.creatorOSCO, L. P.
dc.creatorJORGE, L. A. de C.
dc.date2023-01-23T20:03:23Z
dc.date2023-01-23T20:03:23Z
dc.date2023-01-23
dc.date2023
dc.date.accessioned2026-07-07T04:29:01Z
dc.descriptionA integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja. Recomenda-se que a abordagem aplicada seja testada em outras culturas.
dc.format146-153
dc.identifierColloquium Exactarum, v.14, 2023.
dc.identifier2178-8332
dc.identifierhttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1151175
dc.identifier10.5747/ce.2022.v14.e393
dc.identifier.urihttp://hdl.handle.net/123456789/462899
dc.languagepor
dc.rightsopenAccess
dc.subjectMedidas de refletância
dc.subjectAprendizagem de máquina
dc.titleAprendizagem de máquina para identificação de plantas de soja sob ataque de insetos usando dados hiperespectrais.
dc.typeArtigo de periódico

Archivos

Colecciones

Embrapa Instrumentación (CNPDIA)