Um grupo de pesquisadores do Laboratório de Pesquisas Aplicadas em Visão e Inteligência Computacional (Pavic-Lab), da Universidade Federal do Acre (Ufac), teve artigo publicado na revista internacional IEEE Xplore (vol. 13). O trabalho, escrito em inglês, apresenta uma abordagem inovadora de aprendizado profundo com baixo custo computacional para a localização e classificação de doenças e pragas em folhas de café.
O estudo propõe um sistema capaz de automatizar a identificação de problemas fitossanitários, reduzindo a necessidade de inspeções manuais e possibilitando maior agilidade no manejo da lavoura. A metodologia é dividida em duas etapas: na primeira, o modelo YOLOv8 é utilizado para detectar regiões da folha que apresentam indícios de pragas ou doenças; na segunda, diferentes arquiteturas de redes neurais – InceptionResNetv2, DenseNet169, ResNet50 e ShuffleNet – são empregadas para classificar as áreas identificadas. Além disso, os pesquisadores desenvolveram uma nova arquitetura de classificação, chamada SmallPavicNet-MC, com foco em baixo consumo computacional, o que favorece aplicações em dispositivos mais acessíveis.
Assinam o artigo os pesquisadores Clécio Elias Silva E. Silva, Jonatan Borges Fragoso, Thuanne Paixão e Ana Beatriz Alvarez, todos do Pavic-Lab, em parceria com Facundo Palomino-Quispe, do Laboratório Institucional de Pesquisa, Empreendedorismo e Inovação em Sistemas de Controle Automático, Automação e Robótica (Liecar), da Universidade Nacional de San Antonio Abad de Cusco (Unsaac), no Peru.
