{"id":4162,"date":"2016-06-08T16:49:53","date_gmt":"2016-06-08T18:49:53","guid":{"rendered":"http:\/\/inf.ufpel.edu.br\/site\/?p=4162"},"modified":"2016-06-08T16:49:53","modified_gmt":"2016-06-08T18:49:53","slug":"defesa-de-dissertacao-lucas-nachtigall","status":"publish","type":"post","link":"https:\/\/wp.ufpel.edu.br\/computacao\/noticia\/defesa-de-dissertacao-lucas-nachtigall\/","title":{"rendered":"Defesa de Disserta\u00e7\u00e3o &#8211; Lucas Nachtigall"},"content":{"rendered":"<p><strong>T\u00edtulo<\/strong>: Classifica\u00e7\u00e3o de Dist\u00farbios em Folhas de Macieiras Utilizando Redes Neurais Convolucionais<\/p>\n<p><strong>Autor<\/strong>: LUCAS GARCIA NACHTIGALL<\/p>\n<p><strong>Orienta\u00e7\u00e3o:<\/strong><\/p>\n<ul>\n<li>Ricardo Matsumura Araujo, Orientador (PPGC-UFPel)<\/li>\n<li>Gilmar Nachtigall, Co-orientador (EMBRAPA)<\/li>\n<\/ul>\n<p><strong>Banca Examinadora:<\/strong><\/p>\n<ul>\n<li>Cristian Cechinel (PPGC-UFPel)<\/li>\n<li>Paulo R. Ferreira Jr. (PPGC-UFPel)<\/li>\n<li>Sandro Camargo (Unipampa)<\/li>\n<\/ul>\n<p><strong>Data<\/strong>: 9 de Junho de 2016<\/p>\n<p><strong>Hora<\/strong>: 14:00<\/p>\n<p><strong>Local<\/strong>: Sala P\u00d3S 2 da FAT, 4\u00ba andar do Campus Porto<\/p>\n<p><strong>Resumo<\/strong>:<br \/>\nNa cultura de macieira, nos \u00faltimos anos, t\u00eam sido verificadas perdas de at\u00e9 25\\% da produ\u00e7\u00e3o, as quais est\u00e3o relacionadas \u00e0 diversos fatores, entre eles as mudan\u00e7as clim\u00e1ticas, a falta de tecnologias inovadoras e competitivas para o setor da ma\u00e7\u00e3, al\u00e9m do surgimento de novas pragas e\/ou doen\u00e7as e agravamento das perdas por aquelas j\u00e1 conhecidas. Boa parte das solu\u00e7\u00f5es tecnol\u00f3gicas para resolver\/evitar estes problemas passa pelo r\u00e1pido reconhecimento em campo das causas destas perdas, principalmente quando relacionadas a incid\u00eancia de doen\u00e7as, pragas e desequil\u00edbrios nutricionais que atacam as plantas. Contudo, o m\u00e9todo atualmente utilizado para identificar estes sintomas em macieiras baseia-se no conhecimento de especialistas em detec\u00e7\u00e3o desses sintomas nos pomares, utilizando como ferramenta publica\u00e7\u00f5es contendo imagens e descri\u00e7\u00f5es de poss\u00edveis sintomas a serem encontrados. Sendo assim, verifica-se a necessidade de implementar uma nova abordagem para tratar esse problema de uma forma menos onerosa e mais eficiente. T\u00e9cnicas de aprendizado de m\u00e1quina se tornaram populares pelo fato de poderem aprender informa\u00e7\u00f5es e padr\u00f5es a partir de dados e ent\u00e3o prever novos resultados ou classificar novos dados apresentados. Algumas das t\u00e9cnicas que atualmente s\u00e3o o estado da arte na classifica\u00e7\u00e3o de imagens s\u00e3o as Redes Neurais Convolucionais, junto com as Redes Neurais Artificias e M\u00e1quinas de Suporte de Vetores. Por ser uma \u00e1rea pouco explorada na literatura, foi necess\u00e1ria a cria\u00e7\u00e3o de um novo banco de imagens de modo a avaliar se estas t\u00e9cnicas de aprendizado de m\u00e1quina mencionadas podem classificar corretamente os sintomas em folhas. Para isso, foi realizada a coleta de folhas de macieiras que apresentavam cinco diferentes sintomas. Deste modo, esta disserta\u00e7\u00e3o prop\u00f5e a utiliza\u00e7\u00e3o e compara\u00e7\u00e3o destas t\u00e9cnicas de aprendizado de m\u00e1quina, para a tarefa de classifica\u00e7\u00e3o de dois sintomas de doen\u00e7as, dois sintomas de defici\u00eancias nutricionais e um sintoma de danos por herbicida em folhas de macieiras. Ap\u00f3s a cria\u00e7\u00e3o de parti\u00e7\u00f5es de imagens para treino, valida\u00e7\u00e3o e teste, estes foram submetidos \u00e0s t\u00e9cnicas de Redes Neurais Convolucionais, redes Multilayer Perceptron e M\u00e1quinas de Vetores de Suporte. Al\u00e9m disso, as parti\u00e7\u00f5es de testes foram enviados para especialistas da \u00e1rea agron\u00f4mica para a identifica\u00e7\u00e3o dos sintomas, de modo a comparar a acur\u00e1cia dos resultados obtidos. Os resultados mostraram que a abordagem proposta neste trabalho, utilizando Redes Neurais Convolucionais, obteve acur\u00e1cias entre 93,3% e 97,3% de acerto, se igualando ou obtendo resultados superiores aos obtidos por outras t\u00e9cnicas de aprendizagem de m\u00e1quinas, bem como pelos especialistas selecionados. Desta forma, o uso de Redes Neurais Convolucionais poder\u00e1 viabilizar o diagn\u00f3stico em folhas de macieiras de forma r\u00e1pida, precisa e usual.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>T\u00edtulo: Classifica\u00e7\u00e3o de Dist\u00farbios em Folhas de Macieiras Utilizando Redes Neurais Convolucionais Autor: LUCAS GARCIA NACHTIGALL Orienta\u00e7\u00e3o: Ricardo Matsumura Araujo, Orientador (PPGC-UFPel) Gilmar Nachtigall, Co-orientador (EMBRAPA) Banca Examinadora: Cristian Cechinel (PPGC-UFPel) Paulo R. Ferreira&#46;&#46;&#46;<\/p>\n","protected":false},"author":881,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[17,23],"tags":[],"class_list":["post-4162","post","type-post","status-publish","format-standard","hentry","category-noticia","category-ppgc"],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/paGhNl-158","_links":{"self":[{"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/posts\/4162","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/users\/881"}],"replies":[{"embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/comments?post=4162"}],"version-history":[{"count":0,"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/posts\/4162\/revisions"}],"wp:attachment":[{"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/media?parent=4162"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/categories?post=4162"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/tags?post=4162"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}