Banca de QUALIFICAÇÃO: ALFEU BETT MANFRIM

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : ALFEU BETT MANFRIM
DATA : 12/11/2025
HORA: 13:30
LOCAL: On line
TÍTULO:

MAPAS DE PRODUTIVIDADE NA CULTURA DO MAMÃO: UMA ABORDAGEM COM REDES NEURAIS PARA IDENTIFICAÇÃO E CONTAGEM DE FRUTOS

PALAVRAS-CHAVES:

YOLO, Inteligência Artificial, Detecção de Objeto.

PÁGINAS: 35
RESUMO:

O Brasil se destaca como um dos principais produtores de mamão, com uma produção de 1,138 milhão de toneladas em 2023, evidenciando a importância do monitoramento da produtividade. A visão computacional tem se mostrado promissora na agricultura, já sendo aplicada em diversos cenários, como na identificação de doenças e na previsão de colheitas em diversas culturas. O presente estudo traz uma aplicação prática da rede neural YOLOv11 na detecção e quantificação de mamões ainda no pé, visando contribuir para a uma gestão agrícola eficiente e a alocação adequada de recursos. As imagens utilizadas no estudo foram coletadas em um plantio experimental da UNEMAT, na cidade de Tangará da Serra – MT, onde foram registradas 4008 imagens em alta resolução (1800 x 4000 pixels) para realizar o treinamento da rede neural, obtidas em diferentes datas e horários para garantir uma diversidade de condições ambientais. Após a coleta, as imagens foram rotuladas usando o programa LabelImg, gerando arquivos txt, sendo compatível com o formato do YOLO, onde foram demarcadas  94.776 objetos. O treinamento da rede YOLO 11 foi realizado no Google Colab, utilizando 100 épocas. Onde todas as imagens foram padronizadas para resolução de 640 x 640 pixels.  Foram treinados os cinco modelos do YOLO da versão 11 (n, s, m, l e x), onde o modelo YOLOv11x apresentou o melhor desempenho, com 87,97% de precisão, 71,78% de recall, 79,64% de mPA50 e 52,92% de mPA50-95. Foram também registrados vídeos da plantação e utilizados em um aplicativo desenvolvido para realizar a seleção e salvamento de imagem da produção individual de cada pé, a partir desse programa foram gerados novas imagens, totalizando 75 imagens e 1202 mamões rotulados. Essa técnica propiciou novas imagens com diminuição da área de fundo das imagens. E utilizando elas o nosso modelo de rede neural conseguiu identificar uma média considerando as 5 versões, de 97,82 de todos os mamões nas fotos. O estudo demonstrou a eficácia da rede YOLOv11 na detecção e quantificação de mamões, mostrando o potencial dessa abordagem no levantamento da produtividade no plantio de mamão.

MEMBROS DA BANCA:
Presidente - 138321001 - RAFAEL CESAR TIEPPO
Externa à Instituição - THAÍNA APARECIDA AZEVEDO TOSTA - UNIFESP
Externo ao Programa - 131991001 - WILLIAN KRAUSE