Use este identificador para citar ou linkar para este item: https://repositorio.ifgoiano.edu.br/handle/prefix/5671
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisor1Vieira, Gabriel da Silva-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9290516928216163pt_BR
dc.creatorJesus, Gabriele Lourenço-
dc.creator.Latteshttp://lattes.cnpq.br/0940613274837846pt_BR
dc.date.accessioned2025-08-26T17:37:18Z-
dc.date.available2025-08-26T17:37:18Z-
dc.date.issued2025-06-25-
dc.identifier.urihttps://repositorio.ifgoiano.edu.br/handle/prefix/5671-
dc.description.abstractDriven by new agricultural technologies, food production has reached new heights, surpassing previous years and with estimated new records. This work aims to classify the pests responsible for defoliation in soybean crops. To this end, three convolutional neural network architectures were developed and tested: VGG-16, ResNet-50, and EfficientNet-B0. The goal was to compare the networks' performance in identifying leaf damage caused by slugs and caterpillars in this crop. Among the metrics evaluated, VGG-16 presented the best result, with an accuracy of 93.46%, followed by EfficientNet-B0, with 91.18%, and ResNet-50, with 90.20%, demonstrating that all architectures were effective in solving the proposed problem.pt_BR
dc.description.resumoImpulsionada pelas novas tecnologias do campo, a produção de alimentos vem atingindo novos patamares, superando anos anteriores e com estimativa de novos recordes. Este trabalho tem como objetivo classificar as pragas responsáveis pela desfolha na cultura da soja. Para isso, foram desenvolvidas e testadas três arquiteturas de redes neurais convolucionais: VGG-16, ResNet-50 e EfficientNet-B0. O propósito foi comparar o desempenho entre as redes na identificação de danos foliares causados por lesmas e lagartas nessa cultura. Entre as métricas avaliadas, a VGG-16 apresentou o melhor resultado, com acurácia de 93,46%, seguida pela EfficientNet-B0, com 91,18%, e pela ResNet-50, com 90,20%, demonstrando que todas as arquiteturas foram eficazes na resolução do problema proposto.pt_BR
dc.description.provenanceSubmitted by Gabriele Lourenço de Jesus (gabriele.lourenco@estudante.ifgoiano.edu.br) on 2025-08-25T21:17:04Z No. of bitstreams: 1 tcc_Gabriele Lourenço.pdf: 2131133 bytes, checksum: 1d86f07236b37eb3d0560e17989610cb (MD5)en
dc.description.provenanceApproved for entry into archive by Hevellin Estrela (hevellin.estrela@ifgoiano.edu.br) on 2025-08-26T17:37:13Z (GMT) No. of bitstreams: 1 tcc_Gabriele Lourenço.pdf: 2131133 bytes, checksum: 1d86f07236b37eb3d0560e17989610cb (MD5)en
dc.description.provenanceMade available in DSpace on 2025-08-26T17:37:18Z (GMT). No. of bitstreams: 1 tcc_Gabriele Lourenço.pdf: 2131133 bytes, checksum: 1d86f07236b37eb3d0560e17989610cb (MD5) Previous issue date: 2025-06-25en
dc.languageporpt_BR
dc.publisherInstituto Federal Goianopt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus Urutaípt_BR
dc.publisher.initialsIF Goianopt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectDeep learning; convolutional neural networks; precision agriculture; smart agriculture; pest classificationpt_BR
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOpt_BR
dc.titleCLASSIFICAÇÃO DE DANOS FOLIARES CAUSADOS POR PRAGAS NA CULTURA DA SOJApt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
Aparece nas coleções:Bacharelado em Sistemas de Informação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tcc_Gabriele Lourenço.pdf2,08 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.