Pesquisadores do laboratório Pesquisas Aplicadas em Visão e Inteligência Computacional (Pavic-Lab), da Ufac, publicaram, em inglês, artigo na revista “IEEE Xplore” (vol. 13), o qual faz uma abordagem de aprendizado profundo de baixo custo computacional para localização e classificação de doenças e pragas em folhas de café.
O artigo contribui para identificação automática de doenças nas plantas, reduzindo dependência de inspeção humana, com uso do modelo YOLOv8, no primeiro estágio. Para a segunda etapa, os modelos InceptionResNetv2, DenseNet169, Resnet50 e ShuffleNet são utilizados para classificar a região detectada e uma modificação para uma arquitetura de classificação de baixo custo computacional chamada SmallPavicNet-MC é proposta.
Os autores do artigo são Clécio Elias Silva E. Silva, Jonatan Borges Fragoso, Thuanne Paixão, Ana Beatriz Alvarez, do Pavic-Lab, e Facundo Palomino-Quispe, do Laboratório Institucional de Pesquisa, Empreendedorismo e Inovação em Sistemas de Controle Automático, Automação e Robótica (Liecar), da Universidade Nacional de San Antonio Abad de Cusco (Unsaac, Peru).
