JOAO CAMARGO NETO, CNPTIA; SONIA TERNES, CNPTIA; KLEBER XAVIER SAMPAIO DE SOUZA, CNPTIA; INACIO HENRIQUE YANO, CNPTIA; LEONARDO RIBEIRO QUEIROS, CNPTIA.2026-07-07http://hdl.handle.net/123456789/456112RESUMO. A laranja e seus derivados são um dos principais produtos do agronegócio brasileiro, além de uma das cadeias produtivas que mais emprega mão de obra por hectare, o que mostra o alto grau de impacto econômico e social desta cultura para o país. Uma estimativa de produção eficiente pode auxiliar os produtores tanto no manejo de sua lavoura quanto na adoção de estratégias de vendas com a indústria. Este trabalho descreve o processo de treinamento e teste de uma rede neural de aprendizado profundo para a detecção e contagem de frutos verdes a partir de imagens digitais de pés de laranja obtidas no campo. Os resultados para as imagens de teste apresentaram índice de mais de 90% de precisão, com cerca de 90% de revocação para a rede neural. Isso indica que a metodologia utilizada é bastante promissora.Organizadores: Maria Fernanda Moura, Jayme Garcia Arnal Barbedo, Alaine Margarete Guimarães, Valter Castelhano de Oliveira. SBIAgro 2019.p. 312-321.openAccessVisão computacionalAprendizado profundoRede neural de aprendizado profundoYolo-v3CitrosImagem digitalContagem de frutos verdesDeep learningLaranjaComputer visionNeural networksDigital imagesCitrusArtigo em anais e proceedings