Avaliação de modelos YOLO para detectar percevejos em plantações de soja

Abstract

Devido à crescente demanda por técnicas de agricultura de precisão para melhor aproveitamento dos recursos disponíveis em campo, a aplicação de algoritmos de visão computacional é uma solução que trás uma ampla vantagem para auxiliar a detecção de pestes, possibilitando um tratamento mais eficaz e menos prejudicial à saúde ambiental. Com base nessa afirmativa, este trabalho consiste em avaliar o modelo YOLO4 e comparar com as versões posteriores YOLOR, YOLOv5 e YOLOv7, que utilizam redes neurais convolucionais para detecção de objetos em tempo real. Estes foram treinados e utilizados para detectar Percevejos em imagens e vídeos em uma plantação de soja. Assim, utilizando métricas estatísticas, foram feitas considerações para definir o mais adequado modelo de acordo com a situação presente. Por meio de parceria com a Embrapa, foi utilizada uma base de dados que através de técnicas de aumento de dados foi possível transformar 77 imagens em 600. Dessa forma, o melhor modelo foi o YOLO v4 ao obter 99% de mAP@0.50, 99% de Precisão e 99% de Revocação em 60 imagens de validação.