CA25008 – DETECÇÃO DA ANTRACNOSE EM PLANTAÇÕES DE CAQUI EM MOGI DAS CRUZES COM O USO DE INTELIGÊNCIA ARTIFICIAL E SENSORIAMENTO REMOTO
RESUMO
O caqui, fruta originária da China e introduzida no Brasil pela imigração japonesa, consolidou-se em Mogi das Cruzes, reconhecida como “Terra do Caqui” devido à sua expressiva produção. Entretanto, a antracnose, causadora de manchas escuras e queda precoce dos frutos, ameaça a produtividade e a agrobiodiversidade local, sendo responsável por grandes perdas nas lavouras. A visão computacional, área da Inteligência Artificial (IA), surge como alternativa para o monitoramento e diagnóstico mais precisos nas produções agrícolas. Este trabalho tem como objetivo aplicar técnicas de IA e visão computacional para o reconhecimento da antracnose em caquizeiros por meio do sensoriamento remoto, contribuindo para o monitoramento da doença e preservação da agrobiodiversidade em Mogi das Cruzes. A coleta de dados ocorreu em uma plantação de caqui, resultando em cerca de 1.500 imagens, das quais 1.000 compuseram um dataset próprio, complementado por entrevistas com produtores sobre os impactos da antracnose. As imagens foram rotuladas na plataforma Roboflow e classificadas entre frutos saudáveis e doentes, sendo utilizadas no treinamento de um modelo pré-treinado YOLOv8, escolhido por sua precisão e suporte da comunidade. O sensoriamento remoto foi realizado por meio de drone para capturas em tempo real. Os resultados mostraram desempenho inferior ao esperado em termos de acurácia, mas permitiram distinguir caquis saudáveis daqueles infectados, alcançando os objetivos principais da pesquisa. Além disso, a detecção em tempo real foi implementada com êxito, embora não tenha sido possível realizar testes práticos em campo por limitações de tempo. Conclui-se que o sensoriamento remoto aliado à visão computacional possibilita identificar a antracnose em caquizeiros, demonstrando potencial para o monitoramento agrícola, ainda que sejam necessários aprimoramentos e validações adicionais em condições reais de cultivo.
PALAVRAS-CHAVE
antracnose em caqui; visão computacional; yolov8;