ARTUR MARIANO DA SILVA, INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA SUL-RIO-GRANDENSE; ÁLISSON MELLO DA ROSA, INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA SUL-RIO-GRANDENSE; NICOLAS WELFER KIRINUS, UNIVERSIDADE DE PASSO FUNDO; DOUGLAS LAU, CNPF; ALEXSANDER FURTADO CARNEIRO, INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA SUL-RIO-GRANDENSE; TELMO DE CESARO JÚNIOR, INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA SUL-RIO-GRANDENSE.2026-07-07http://hdl.handle.net/123456789/437078Este estudo propõe um modelo baseado na rede neural YOLOv7 para a identificação e contagem de afídeos alados em imagens de armadilhas adesivas. Comparou-se dois modelos: o primeiro utilizando transferência de aprendizado (transfer learning) e o segundo treinado a partir de pesos aleatórios. Embora o modelo treinado com pesos aleatórios tenha demonstrado melhor desempenho geral, as métricas de recall, F1 score e mAP@.5:.95 revelaram dificuldades na localização precisa dos afídeos, indicando a necessidade de aprimorar o conjunto de imagens e o mecanismo de aquisição. Este estudo ilustra como a inteligência artificial pode ser aplicada ao monitoramento de pragas, contribuindo para práticas agrícolas mais sustentáveis.openAccessInteligência artificialRede neuralManejo integrado de pragasMonitoramento de pragasArmadilhaInsetoAfídeoNeural networksAphididaeTrapsArtificial intelligencePest monitoringArtigo em anais e proceedings