Detecção de pragas em plantações usando aprendizado semissupervisionado

Resumo

Este trabalho tem como foco o estudo de algoritmos de Aprendizado de Máquina (AM) capazes de fornecer melhores resultados na detecção de doenças em plantações ao superar dificuldades encontradas nesta tarefa. Em outras palavras, embora alguns trabalhos da literatura têm focado no uso de algoritmos supervisionados para induzir modelos capazes de detectar diferentes padrões visuais em plantações (e.g., pragas, ervas daninhas, falhas de plantio, etc.), nenhum desses estudos aborda diretamente a falta de dados rotulados para a indução desses classificadores. Assim, investigações com base em algoritmos semissupervisionados serão conduzidas. Neste contexto, o bolsista auxiliará em experimentos empíricos e estatísticos com o intuito de avaliar a eficácia e eficiência de classificadores semissupervisionados na detecção de pragas em cultivares (como a praga Migdolus Fryanus na cana-de-açúcar). Esta pesquisa ajudará no desenvolvimento de uma abordagem auto-adaptativa para superar a dificuldade de escassez de dados rotulados, permitindo, assim, a detecção do Migdolus Fryanus em dados visuais capturados por um VANT. (AU)