Anais > Edição Anteriores > Anais do XV WCF 2018 > Detecção de Doenças do Cafeeiro com Deep Learning e Caracterização de Textura GLCM

Detecção de Doenças do Cafeeiro com Deep Learning e Caracterização de Textura GLCM

Autores: Lucas Ximenes Boa Sorte, José Hiroki Saito, Roseli dos Reis Goulart

O presente artigo descreve uma proposta de aplicação de Deep Learning para o diagnóstico de duas doenças típicas da folhagem do cafeeiro, a Ferrugem e a Cercóspora. Propõe-se também que se compare os resultados do algoritmo de reconhecimento de padrões por meio de Deep Learning a priori e a posteriori do uso da técnica de caracterização de texturas denominada Matriz GLCM (Grey-Level Co-occurrence). Estas metodologias deverão ser aplicadas a um banco de imagens levantado em campo, e tem a finalidade de contribuir para o diagnóstico precoce de tais doenças nas lavouras cafeeiras, assim corroborando para a melhoria nos índices de produtividade do fruto nos âmbitos qualitativos e quantitativos.

DOCUMENTO COMPLETO

• Detecção de Doenças do Cafeeiro com Deep Learning e Caracterização de Textura GLCM