APLICAÇÃO DE TÉCNICAS DE MACHINE LEARNING NA DETECÇÃO DE PRESENÇA DE DOENÇAS NA FOLHA DO CAFEEIRO

Abstract

Atualmente a tecnologia vem ganhando espaço em todas as atividades humanas, no trabalho, no lazer, na educação e de forma mais rápida que no passado. Como a tecnologia está presente em todos os setores, não seria diferente na agricultura e neste campo ela tem se mostrado uma ferramenta indispensável no apoio à tomada de decisão. O monitoramento agrícola tem proporcionado aos agrônomos, fazendeiros, técnicos agrícolas e demais profissionais, uma análise da lavoura de forma mais precisa, possibilitando a identificação antecipada de possíveis problemas, proporcionando iniciativas preventivas antes que um problema possa afetar uma área de cultivo. Não distante disso, a análise de imagens, através do estudo de padrões, pode ajudar a identificar possíveis doenças na lavoura que posteriormente poderão ser combatidas desde o início, evitando assim a propagação de uma praga. Com a intenção de colaborar na detecção de doenças nas folhas das árvores do café surgiu este trabalho, “Detecção de doenças na folha do café através de técnicas de Machine Learning”. Diante de um universo de possibilidades de linguagens de programação que se apresentam aptas para o desenvolvimento de soluções capazes de realizar estudos de padrões de imagens, foi escolhido o software MatLab. A escolha do MatLab se deve à sua constante aplicação em casos científicos que necessitam executar uma quantidade expressiva de cálculos e simulações. O MatLab é uma das tecnologias utilizadas para operações matemáticas que envolvam matrizes e álgebra linear. Ele também fornece suporte para projetos e testes de algoritmos mais rápidos e melhores. Isso facilita a análise de dados e o estudo das mudanças de comportamento. O MatLab trata imagens como uma matriz de pixels, o que facilita a análise de comportamento e as comparações entre as imagens. Como referência, foram armazenadas imagens de folhas de café saudáveis e também folhas de café que apresentam doenças, essas duas categorias já seriam suficientes para apresentar um resultado de semelhança durante a análise de outra folha qualquer, porém, pode ocorrer que a imagem a ser analisada não tenha nenhuma ligação com folhas de café, então, uma terceira categoria de imagens foi criada e denominada “outras”. As imagens são armazenadas em pastas distintas e para o teste foram analisadas 80 imagens em cada grupo, caso algum grupo tenha menos imagens que o outro o programa levará em conta a pasta com menos imagens e selecionará a mesma quantidade nas demais pastas para realizar o estudo. Uma nova imagem que não conste nos grupos já armazenados como banco de referências é apresentada ao algoritmo e então começa um processo que analisa todas as imagens saudáveis entre elas, todas as imagens com sinais de doença entre elas e todas as imagens diversas também entre elas. Diante das comparações entre cada imagem do grupo com as demais do próprio grupo é possível chegar à matriz de confusão, que apresenta o percentual de semelhança entre as imagens quando comparadas com cada grupo. Após a utilização da função bag-of-feature um histograma é gerado conforme o vocabulário de características analisadas pela função, neste caso, foram 1000 (mil) características por imagem. A imagem a ser comparada e que já foi nformada no início do algoritmo é identificada como semelhante a um dos grupos do banco de imagens, sendo classificada através da função: categoryClassifier=trainImage CategoryClassifier(trainingSets, bag); utilizando o treinamento realizado por outra função : evaluate(categoryClassifier, trainingSets); Após esse processo é apresentada a classificação da imagem em questão, como doente, saudável ou outra. A análise permite identificar as semelhanças entre as imagens e, portanto, pode ser utilizada para distinguir diferentes doenças não só na folha do café, mas em outros tipos de cultivo. Mediante identificação será possível indicar qual a química, técnica agrícola ou outra solução profissional que seja ideal para o tratamento da planta.