Use este identificador para citar ou linkar para este item:
https://bia.ifpi.edu.br/jspui/handle/123456789/3319| Tipo: | Trabalho de Conclusão de Curso |
| Título: | A detecção de doenças em folhas do tomateiro |
| Título(s) alternativo(s): | uma avaliação comparativa entre modelos de aprendizado profundo |
| Autor: | Ferreira, José Guilherme Mouta |
| Orientador(a): | Sousa, Carlos Estevão Bastos |
| metadata.dc.contributor.advisor-co1: | Magalhães, Matheus Emerick de |
| Resumo: | Os tomates (Solanum lycopersicum) são uma fonte rica de nutrientes essenciais, como vitamina C e licopeno, desempenhando um papel crucial na dieta da população e na economia local. Este estudo surge da necessidade de enfrentar os desafios específicos no cultivo dessas frutas, concentrando-se na identificação de doenças foliares por meio de modelos de aprendizado profundo. Utilizando uma base de dados com 11.000 imagens de folhas do tomateiro, foram exploradas diversas classes de patologias, incluindo Mancha Bacteriana, Pinta Preta, Requeima, Molde de Folha, Septoriose, Ácaro-Aranha Bicolor, Ponto Alvo, Ondulação da Folha Amarela, Vírus do Mosaico, além de amostras saudáveis. Três modelos foram treinados: ResNet50, MobileNet V2 e Inception V3. Os resultados revelam que o Inception V3 se destaca, alcançando uma acurácia de 98%, seguido pelo ResNet50 com 96% e o MobileNet V2 com 95%. Esses achados enfatizam a consistência do Inception V3 na classificação de imagens de folhas do tomateiro. A partir do melhor modelo, foi desenvolvida uma API utilizando o Framework Django Rest, capaz de processar imagens e oferecer informações sobre pragas e métodos de controle. Testes validaram a eficácia da API, representando uma contribuição significativa para o avanço na detecção de doenças em plantações de tomate |
| Abstract: | Tomatoes (Solanum lycopersicum) are a rich source of essential nutrients, such as vitamin C and lycopene, playing a crucial role in the population's diet and local economy. This study arises from the need to address specific challenges in the cultivation of these fruits, focusing on the identification of foliar diseases through deep learning models. Utilizing a database with 11,000 images of tomato leaves, various classes of pathologies were explored, including Bacterial Spot, Black Spot, Late Blight, Leaf Mold, Septoria Leaf Spot, Two-Spotted Spider Mite, Target Spot, Yellow Leaf Curl, Mosaic Virus, along with healthy samples. Three models were trained: ResNet50, MobileNet V2, and Inception V3. The results reveal that Inception V3 stands out, achieving an accuracy of 98%, followed by ResNet50 with 96%, and MobileNet V2 with 95%. These findings emphasize the consistency of Inception V3 in classifying tomato leaf images. From the best model, an API was developed using the Django Rest Framework, capable of processing images and providing information about pests and control methods. Tests validated the effectiveness of the API, representing a significant contribution to the advancement in detecting diseases in tomato plantations |
| Palavras-chave: | Análise e Desenvolvimento de Sistemas - estudo e ensino Tomates - Solanum lycopersicum Detecção de doenças Aprendizagem profundo |
| Cnpq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| metadata.dc.language: | por |
| País: | Brasil |
| Editor: | Instituto Federal de Educação, Ciência e Tecnologia do Piauí |
| Sigla: | IFPI |
| Unidade: | Campus Corrente |
| Tipo de acesso: | Acesso Aberto |
| URI: | https://bia.ifpi.edu.br/jspui/handle/123456789/3319 |
| Data do documento: | 2024 |
| Aparece nas coleções: | Tecnologia em Análise e Desenvolvimento de Sistemas - Corrente |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| 2024_tcc_jgmferreira.pdf | 1.42 MB | Adobe PDF | Visualizar/Abrir | |
| Termo - José Guilherme Mouta Ferreira.pdf | 409.15 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.