CapítuloCIÊNCIA DA COMPUTAÇÃO
Open Access
MACHINE LEARNING: TEORIA, PRÁTICA E APLICAÇÕES AVANÇADAS
Downloads
9
Views
551
CODE: 260622083
COMPARTILHE

Título

CLASSIFICAÇÃO AUTOMÁTICA DE DIAPHORINA CITRI EM IMAGENS DE MICROSCOPIA POR VISÃO COMPUTACIONAL E APRENDIZAGEM DE MÁQUINA

10.37885/260622083

Crossref

Capítulo

3

Páginas

40-54

Publicado em

03/07/2026

Autor(a)

  • José Leonardo dos Santos Melo

Resumo

Objetivo: analisar e apresentar uma abordagem computacional para a classificação automática de imagens de Diaphorina citri Kuwayama, principal vetor do Huanglongbing, distinguindo-o de outros insetos capturados em armadilhas adesivas amarelas. Métodos: o capítulo sintetiza um fluxo de visão computacional baseado em aquisição de imagens de microscopia, segmentação do objeto principal, extração de características locais, representação por bolsas de características e classificação supervisionada. Foram avaliados ORB, SIFT, SURF, BRISK e FREAK, agrupamento por Mini Batch K-Means e classificadores KNN e SVM, com base de 1.152 imagens. Resultados: a configuração mais eficiente combinou detector SURF, descritor SIFT, bolsa de características construída com padrões visuais de Diaphorina citri e SVM com núcleo RBF. Essa abordagem alcançou 98,17% de acurácia na validação cruzada, com desvio-padrão de 2,54%, e 99,14% no teste final de generalização. Conclusão: os resultados indicam que técnicas clássicas de aprendizagem de máquina, quando integradas a uma representação visual adequada, podem superar a inspeção manual e apoiar sistemas automatizados de monitoramento fitossanitário, reduzindo tempo, custo e subjetividade na contagem do vetor do HLB.

Palavras-chave

aprendizagem de máquina;citricultura;classificação de imagens;Diaphorina citri; visão computacional

Licença

Este capítulo está sob a Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional .

Licença Creative Commons

O conteúdo do capítulo, seus dados, forma, correção e confiabilidade são de responsabilidade exclusiva do(s) autor(es). É permitido o download e o compartilhamento, desde que pela origem e no formato Acesso Livre (Open Access), com os devidos créditos e a citação atribuídos ao(s) respectivo(s) autor(es). Não é permitida qualquer alteração, catalogação em plataformas de acesso restrito ou utilização para fins comerciais. O(s) autor(es) mantém os direitos autorais do texto.

PlumX