Modelo de aprendizado supervisionado para validações a campo do algoritmo Embrapa/MAHM.
Modelo de aprendizado supervisionado para validações a campo do algoritmo Embrapa/MAHM.
Autoria: CAVALCANTI, F. R.
Resumo: Avanços tecnológicos têm impulsionado o uso de inteligência artificial na detecção e previsão de doenças em plantas. Este trabalho desenvolveu um modelo de classificação em aprendizado de máquina, combinando SVC, Regressão Logística e Random Forest, com o objetivo de reproduzir os alertas de pulverização do método GMAHM (Embrapa/MAHM) para controle do míldio da videira. Utilizando o Scikit-Learn e um conjunto de dados com 1.200 linhas e 168 variáveis ambientais, o processo envolveu tratamento de dados, normalização, treinamento dos modelos, validação cruzada e otimização de hiperparâmetros. O modelo obteve 97% de acurácia no teste inicial, mas 84% com novos dados, indicando leve superestimação. Apesar disso, mostrou-se promissor para treinamentos com observações de campo visando versões mais precisas do Embrapa/MAHM.
Ano de publicação: 2025
Tipo de publicação: Folhetos
Unidade: Embrapa Uva e Vinho
Observações
1 - Por padrão são exibidas publicações dos últimos 20 anos. Para encontrar publicações mais antigas, configure o filtro ano de publicação, colocando o ano a partir do qual você deseja encontrar publicações. O filtro está na coluna da esquerda na busca acima.
2 - Para ler algumas publicações da Embrapa (apenas as que estão em formato ePub), é necessário ter, no celular ou computador, um desses softwares gratuitos. Sistemas Android: Google Play Livros; IOS: iBooks; Windows e Linux: software Calibre.
Acesse outras publicações
Acesse a Base de Dados da Pesquisa Agropecuária (BDPA) para consultar o acervo completo das bibliotecas da Embrapa.