ANDREZA APARECIDA DOS SANTOS; SANDRA AVILA; THIAGO TEIXEIRA SANTOS, CNPTIA.2026-07-07http://hdl.handle.net/123456789/455813RESUMO - Neste trabalho, o problema de detecção de frutas e folhas em viticultura para aplicações envolvendo sensoriamento próximo foi modelado como um problema de aprendizado supervisionado de máquina. Uma base de dados foi criada e manualmente anotada a partir de imagens obtidas em abril de 2017 na Vinícola Guaspari. No total são 11.883 imagens contendo exemplos de cachos de uvas e folhas. Uma rede convolutiva com arquitetura YOLOv2 foi treinada para localização e classificação de cachos e folhas. Testes quantitativos demonstraram resultados para a detecção e classificação com precisão de 100%, revocação de até 74,2% e F1-Score de 85,2% para classe "uva" e precisão de 100%, revocação de até 67,9% e F1-Score de 80,9% para a classe "folha". Testes qualitativos mostram que o modelo generaliza bem quando testado em fotografias de outras variedades de uvas. Esses resultados se mostram promissores para a melhoria do método e caminham para a possibilidade de aplicação em campo.CIIC 2018. Nº 17601.Não paginado.openAccessDetecção de frutosReconhecimento de ImagensAprendizagem profundaAprendizado de máquinaRedes neuraisAprendizado supervisionadoImage RecognitionFruit detectionDeep LearningMachine learningViticulturaViticultureNeural networksArtigo em anais e proceedings