Nutritional Evaluation of Brachiaria brizantha cv. marandu using Convolutional Neural Networks

Abstract

A identificação do estresse nutricional das plantas com base nos sintomas visuais é predominantemente manual e é realizada por especialistas treinados para identificar tais anomalias. Além disso, esse processo tende a consumir muito tempo, tem uma variabilidade entre as áreas de cultivo e é frequentemente necessário para análise em vários pontos da propriedade. Este trabalho propõe um sistema de reconhecimento de imagens que analisa o estado nutricional da planta para ajudar a resolver esses problemas. A metodologia utiliza aprendizado profundo que automatiza o processo de identificação e classificação do estresse nutricional de Brachiaria brizantha cv. marandu. Um sistema de reconhecimento de imagem foi construído e analisa o estado nutricional da planta usando as imagens digitais de suas folhas. O sistema identifica e classifica as deficiências de nitrogênio e potássio. Ao receber a imagem da folha do pasto, após uma classificação realizada por uma rede neural convolucional (CNN), o sistema apresenta o resultado do estado nutricional diagnosticado. Os testes realizados para identificar o estado nutricional das folhas apresentaram uma precisão de 96%. Estamos trabalhando para expandir os dados do banco de dados de imagens para obter um aumento nos níveis de precisão, visando o treinamento com maior quantidade de informações apresentadas à CNN e, assim, obtendo resultados mais expressivos.

Keywords

• Machine learning
• Computer Vision
• Plant Nutrition
• Convolutional Neural Network