Banca de DEFESA: THAÍS MACHADO DE SOUZA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : THAÍS MACHADO DE SOUZA
DATA : 28/07/2025
HORA: 09:00
LOCAL: Ambiente Virtual
TÍTULO:

APLICAÇÃO DE TÉCNICAS DE APRENDIZADO DE MÁQUINA NA IDENTIFICAÇÃO DE PLANTAS DANINHAS EM MILHO: UMA COMPARAÇÃO ENTRE MAXIMUM LIKELIHOOD, RANDOM FOREST E SVM

PALAVRAS-CHAVES:

sensoriamento remoto; classificação supervisionada; estádios vegetativos; análise espectral.

PÁGINAS: 69
RESUMO:

A cultura do milho (Zea mays L.) é uma das mais importantes do agronegócio brasileiro e mundial, sendo fonte essencial de nutrição humana e animal, além de matéria-prima para as indústrias farmacêutica, química, energética e de alimentos. Sua produtividade pode ser severamente comprometida pela presença de plantas daninhas, que competem com a cultura por água, nutrientes e luz. A semelhança visual entre essas espécies, especialmente em estádios precoces de desenvolvimento, dificulta sua identificação. Nesse contexto, o presente trabalho aplicou o uso de técnicas de Sensoriamento Remoto (SR) para discriminação espectral entre milho e daninha (Cyperus rotundus), por meio de imagens multiespectrais adquiridas por Aeronaves Remotamente Pilotadas (ARPs). Foram avaliados três classificadores supervisionados – Maximum Likelihood (ML), Random Forest (RF) e Support Vector Machine (SVM) – estes foram aplicados em diferentes estádios fenológicos e em dois ciclos de cultivo (safrinha e safra). A acurácia global (AG), assim como as métricas de precisão, recall e F1-score por classe, foram utilizadas para avaliar o desempenho dos algoritmos na classificação de quatro alvos: Zea mays L., Cyperus rotundus, solo e sombra. Foi observada a evolução do desempenho dos classificadores, com o avanço do estádio fenológico. Na análise do primeiro ano (safrinha) o estádio fenológico V8, foi o mais indicado para a diferenciação entre as plantas, e o classificador de maior desempenho foi o ML, apresentou uma AG de 89%.  Para a classe Zea mays L. a precisão foi de 0,88, recall de 0,81 e F1-score de 0,85, e para Cyperus rotundus a precisão foi de 0,68, recall de 0,89 e F1-score de 0,77. No segundo ano (safra), a melhor diferenciação foi no estádio fenológico V6, o ML foi novamente o melhor classificador, apresentando uma AG de 88%, com precisão de 1,00, recall de 0,78 e F1-score de 0,88 para a classe Zea mays L., e precisão de 0,52, recall de 1,00 e F1-score de 0,68 para a classe de Cyperus rotundus.

MEMBROS DA BANCA:
Presidente - 1050615 - MURILO MACHADO DE BARROS
Interno - 2161955 - ANDERSON GOMIDE COSTA
Externo à Instituição - FLÁVIO CASTRO DA SILVA - UFF