Ciências Exatas e da Terra
Ciência da Computação
Resumo
A antracnose é uma doença fúngica causada por espécies do gênero Colletotrichum, responsável por grandes perdas na produção e qualidade do caqui. Em Mogi das Cruzes, importante polo produtor da fruta em São Paulo, a doença tem afetado significativamente a produtividade e ameaçado a continuidade do cultivo. O diagnóstico tradicional, feito manualmente, é demorado e ineficiente em grandes áreas, dificultando o manejo e o controle da enfermidade. Diante disso, o presente trabalho propõe o desenvolvimento de um sistema de detecção automática da antracnose em caquis, por meio do uso de inteligência artificial (IA), visão computacional e sensoriamento remoto. As imagens coletadas em campo passaram por um processo de seleção e anotação manual na plataforma Roboflow, classificando os frutos em saudáveis e doentes para a formação do dataset. O conjunto de dados foi ampliado por meio da aplicação de filtros e ajustes de pré-processamento na própria plataforma. O modelo utilizado foi o YOLOv8m, escolhido por equilibrar precisão e eficiência computacional. O treinamento foi realizado em ambiente de nuvem, e o desempenho avaliado por métricas como precision, recall, F1-score e mAP, apresentando resultados promissores na identificação de frutos infectados. Espera-se que o sistema contribua para o avanço tecnológico no setor agrícola, possibilitando o diagnóstico precoce da antracnose e a redução de perdas econômicas, além de incentivar práticas agrícolas mais sustentáveis e fortalecer a produção local de caqui em Mogi das Cruzes.
Palavras-chave: Antracnose, Inteligência Artificial, Sensoriamento Remoto