Agro-Detect: Uma Detecção Precoce de Doenças Foliares Com Base em CNN

As doenças das plantas afetam significativamente a produtividade agrícola global. A detecção oportuna e precisa de doenças foliares pode ajudar os agricultores a tomar medidas corretivas e prevenir perdas em larga escala na colheita. Neste estudo, implementamos uma abordagem de aprendizado profundo usando Redes Neurais Convolucionais (CNNs) e Aprendizado por Transferência com ResNet50 no conjunto de dados PlantVillage para identificar doenças foliares das plantas. Primeiramente, uma CNN de referência é avaliada, seguida por extensos experimentos com ResNet50 usando pesos pré-treinados do ImageNet. O modelo é ajustado para a classificação de 38 categorias de doenças das plantas. O desempenho é avaliado usando métricas padrão como precisão, acurácia, recuperação e F1-score. Nossa abordagem alcançou uma precisão geral de teste de 98% com robusta generalização entre várias classes. Além disso, visualizações usando matrizes de confusão e precisão por classe suportam a interpretabilidade. Este estudo confirma que o aprendizado por transferência é uma solução eficaz para a classificação de doenças das plantas e oferece uma estrutura escalável para diagnósticos agrícolas.