Utilizando redes neurais artificiais para classificação de árvores frutíferas da região serrana

Abstract

Este estudo desenvolveu um modelo de redes neurais artificiais para classificar arvores frutíferas nativas da Serra Catarinense, incluindo goiaba-serrana, uvaia, butiá e araçá, visando valorizar a biodiversidade local. Foi construído um conjunto de dados contendo 1.255 imagens que foram rotuladas, validadas e balanceadas. Utilizando a arquitetura GoogLeNet, o modelo alcançou uma acurácia global de 94%, com métricas adicionais como precisão e recall acima de 90% para a maioria das classes. Esses resultados indicam que o modelo e capaz de generalizar bem, classificando corretamente a maioria das imagens em suas respectivas categorias contribuindo para a valorização da biodiversidade local. Além disso, este trabalho abre a possibilidade de, em trabalhos futuros, ser implementado um sistema para uso em dispositivos moveis, facilitando a identificação em campo.

This study developed an artificial neural network model to classify native fruit trees from the Serra Catarinense region, including goiaba-serrana, uvaia, butia, and araçá, aiming to promote local biodiversity. A dataset containing 1,255 images was created, labeled, validated, and balanced. Using the GoogLeNet architecture, the model achieved an overall accuracy of 94%, with additional metrics such as precision and recall exceeding 90% for most classes. These results indicate that the model generalizes well, correctly classifying most images into their respective categories and contributing to the appreciation of local biodiversity. Additionally, this work opens the possibility for future developments, such as the implementation of a mobile based system to facilitate field identification.