Um modelo de aprendizagem profunda para reconhecimento de pragas em milharais

Abstract

Este trabalho aborda o reconhecimento de pestes artrópodes em milharais por imagens de campo. Primeiramente, construiu-se um novo conjunto de imagens de pragas primárias e secundárias, tomadas em campo aberto. O banco contém imagens originais e ampliadas em número, as quais foram empregadas em uma abordagem de classificação supervisionada de imagens. Foram propostas também, modificações para um modelo original residual de aprendizagem profunda (Inception-V3), doravante chamado Inception-V3*. As modificações realizadas no modelo possibilitaram uma maior velocidade de aprendizagem, i.e., menor quantidade de épocas de treinamento para alcançar o menor erro quadrático, além da maior exatidão em comparação ao modelo original. Os testes foram sub-agrupados em dois experimentos, um com as pragas primárias somente e o segundo com todas as pragas (primárias e secundárias). A eficácia dos modelos convolucionais foi avaliada e os modelos foram comparados a um classificador de padrão linear binário associado a máquinas de vetores de suporte. Em média, o modelo Inception-V3* proposto obteve a melhor taxa de acerto com 97,0% de precisão usando validação cruzada.