Detecção e Classificação de Imagens de Pragas Insetos usando Aprendizado Profundo

A principal preocupação dos agricultores é reduzir a perda de colheitas devido a pragas e doenças, que ocorrem independentemente do processo de cultivo utilizado. Em todo o mundo, mais de 40% da produção agrícola é perdida devido a patógenos de plantas, insetos e pragas de ervas daninhas. Anteriormente, os agricultores confiavam em especialistas agrícolas para detectar pragas. Recentemente, métodos de aprendizado profundo têm sido utilizados para a detecção de pragas de insetos a fim de aumentar a produtividade agrícola. Este artigo apresenta dois modelos de aprendizado profundo baseados em Faster R-CNN Efficient Net B4 e Faster R-CNN Efficient Net B7 para detecção e classificação precisa de pragas de insetos. Validamos nossa abordagem para pragas de insetos de 5, 10 e 15 classes do conjunto de dados IP102. Os resultados ilustram que nosso modelo proposto Faster R-CNN Efficient Net B7 alcançou uma precisão média de classificação de 99,00%, 96,00% e 93,00% para 5, 10 e 15 classes de pragas de insetos, superando outros modelos existentes. Para detectar pragas de insetos, menos tempo de computação é necessário para nosso método Faster-R-CNN proposto. A investigação revela que nosso modelo proposto Faster R-CNN pode ser usado para identificar pragas nas culturas, resultando em maior rendimento agrícola e proteção das colheitas.