dc.contributor.advisor | Montaño, Razer Anthom Nizer Rojas, 1975- | pt_BR |
dc.contributor.other | Universidade Federal do Paraná. Setor de Educação Profissional e Tecnológica. Curso de Especialização em Inteligência Artificial Aplicada | pt_BR |
dc.creator | Bezerra, Marcos Luiz Cliton | pt_BR |
dc.date.accessioned | 2023-05-17T22:20:51Z | |
dc.date.available | 2023-05-17T22:20:51Z | |
dc.date.issued | 2022 | pt_BR |
dc.identifier.uri | https://hdl.handle.net/1884/82086 | |
dc.description | Orientador: Prof. Dr. Razer Anthom Nizer Rojas Montano | pt_BR |
dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de Educação Profissional e Tecnológica, Curso de Especialização em Inteligência Artificial Aplicada. | pt_BR |
dc.description | Inclui referências: p. 19-20 | pt_BR |
dc.description.abstract | Resumo: O Brasil é o maior produtor de soja do mundo com produção recorde de 135,4 milhões de toneladas em 2021, total de 8,5% ou 10,6 milhões de toneladas superior a safra 2019/2020. A ferrugem asiática da soja é causada pelo fungo Phakopsora pachyrhizi H. Sydow & P. Sydow, sendo a doença mais severa da cultura causando perdas de até 90%. As práticas de Manejo Integrado de Pragas (MIP) para o cultivo da soja são definidas com ações de controle, isoladas ou associadas e análises do custo e benefício dependendo do nível de integração do programa. Para um correto programa de controle de doenças em plantas, o primeiro passo é a correta identificação do agente causal. O objetivo deste trabalho é verificar a aplicabilidade da rede Mask R-CNN na identificação dos fungos utilizando uma base de imagens sintéticas. Os resultados finais demonstram condições favoráveis para o uso das redes neurais convolucionais na identificação de classes em imagens sintéticas. A precisão alcançada de 97,42647%, demonstra alta capacidade de evitar falsos positivos. O recall de 87,84530% especifica o acerto das amostras positivas. A média F ou F1 foi de 92,38815 podendo ser interpretada como uma medida de confiança da acurácia. A acurácia ficou com um desempenho de 88,13406% demonstrando o quão bom o modelo está prevendo corretamente. | pt_BR |
dc.format.extent | 1 recurso online : PDF. | pt_BR |
dc.format.mimetype | application/pdf | pt_BR |
dc.language | Português | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.subject | Redes neurais (Computação) | pt_BR |
dc.subject | Pragas - Controle | pt_BR |
dc.subject | Ferrugem da soja (Doença) - Controle | pt_BR |
dc.subject | Ferrugem asiática - Controle | pt_BR |
dc.title | Redes neurais convolucionais para detecção da ferrugem asiática da soja | pt_BR |
dc.type | TCC Especialização Digital | pt_BR |