Análise de Redes Neurais Convolucionais para a classificação de doenças em folhas de soja / Analysis of Convolutional Neural Networks for diseases classification in soybean leaves

Abstract

A soja se tornou a principal cultura do agronegócio brasileiro, provocando impactos sociais e econômicos significativos em diversas regiões do país, apresentando uma evolução de 75,3 milhões de toneladas produzidas na safra 2010/2011 para 124,8 milhões de toneladas na safra de 2019/2020. Com base em estudos dos últimos anos, diversas tecnologias foram aplicadas na tentativa´ de realizar a detecção de doenças nessa cultura utilizando como base imagens˜ de suas folhas. Dentre as técnicas utilizadas pode-se citar o uso dos classificadores Support Vector Machines (SVMs) e K-Nearest Neighbours em conjunto com técnicas tradicionais de extração de características de imagens. Esse estudo aborda esse desafio utilizando Redes Neurais Convolucionais, uma técnica que tem como base o aprendizado profundo. Com este foco, foram experimentadas cinco arquiteturas de redes convolucionais (VGG16, ResNet50, DenseNet121, InceptionV3 e EfficientNetB7) e quatro diferentes otimizadores (SGD, Adam, RMSProp e Adadelta). Essas combinações foram treinadas usando transferência de aprendizado e ajuste fino de toda a arquitetura em questão. Ao final dos experimentos foi poss´ıvel analisar que arquitetura ResNet50 se destacou entre as demais, apresentando resultados significativos, além de apresentar a maior acurácia, dentre todos os modelos, atingindo o valor de 98.09%.