Aprendizagem de máquina para identificação de plantas de soja sob ataque de insetos usando dados hiperespectrais.

A integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja. Recomenda-se que a abordagem aplicada seja testada em outras culturas.

Bibliographic Details

Main Authors:	CORREA, D. V., RAMOS, A. P. M., OSCO, L. P., JORGE, L. A. de C.
Other Authors:	LUCIO ANDRE DE CASTRO JORGE, CNPDIA.
Format:	Artigo de periódico biblioteca
Language:	Portugues pt_BR
Published:	Colloquium Exactarum, v.14, 2023. 2023-01-23
Subjects:	Medidas de refletância, Aprendizagem de máquina,
Online Access:	http://www.alice.cnptia.embrapa.br/alice/handle/doc/1151175
Tags:	Add Tag No Tags, Be the first to tag this record!