Aplicação mobile para detecção e diagnósticos de doenças em plantas usando TensorFow lite

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCandido Junior, Arnaldo-
Autor(es): dc.contributorAraújo, Everton Coimbra de-
Autor(es): dc.contributorAraújo, Everton Coimbra de-
Autor(es): dc.contributorAikes Junior, Jorge-
Autor(es): dc.contributorPessini, Evando Carlos-
Autor(es): dc.creatorSouza, Rodrigo Rafael Da Maceno de-
Data de aceite: dc.date.accessioned2025-08-29T12:18:46Z-
Data de disponibilização: dc.date.available2025-08-29T12:18:46Z-
Data de envio: dc.date.issued2023-07-03-
Data de envio: dc.date.issued2023-07-03-
Data de envio: dc.date.issued2022-11-23-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/31653-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1092970-
Descrição: dc.descriptionIn order to improve productivity and help the farmer, a system was proposed in the present work, which will help the user in the detection of diseases and control, with their history and location,this is justified given the enormous diversity of diseases in plants and the difficulty in diagnosing them. and follow up on them. The system is capable of detecting previously cataloged diseases. From an image, which can be captured by the device’s camera, a processing is carried outwith the TensorFlow Lite tool, which will classify the image through a convolutional network model, which makes use of MobileNet, an architecture of neural network focused on mobile devices, having a smaller size and greater speed. By cataloging 24 classes, between healthy and diseased plants, the system achieved an average hit rate above 95% in certain cultures. The application is freely available under an open license on an open source platform.-
Descrição: dc.descriptionVisando melhorar a produtividade e auxiliar o agricultor foi proposto no presente trabalho um sistema, que auxiliara o usuário na detecção das doenças e controle, com histórico e localização das mesmas, isso se justifica dada a enorme diversidade de doenças em plantas e a dificuldade em diagnosticar e acompanhar as mesmas. O sistema é capaz de detectar doenças previamente catalogadas. A partir de uma imagem, que pode ser capturada pela câmera do dispositivo, é feito um processamento com a ferramenta TensorFlow Lite, que faza classificação da imagem por meio de um modelo de rede convolucional, que faz uso da MobileNet, uma arquitetura de rede neural com foco em dispositivos moveis, tendo um menor tamanho e maior velocidade. Catalogando 24 classes, entre plantas saudáveis e doentes o sistema conseguiu resultados interessantes, com médias de acerto superior aos 95% em determinadas culturas, com poucas classes. O aplicativo está livremente disponível sob uma licença aberta em uma plataforma de código livre.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherMedianeira-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectProcessamento de imagens-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectAplicativos móveis-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectImage processing-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectMobile apps-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleAplicação mobile para detecção e diagnósticos de doenças em plantas usando TensorFow lite-
Título: dc.titleMobile application for plant disease detection and diagnosis using TensorFlow Lite-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.