Título:	Proposta de modelos de aprendizado profundo para diagnóstico de doenças foliares da videira.
Autoria:	CAVALCANTI, F. R.
Afiliação:	FABIO ROSSI CAVALCANTI, CNPUV.
Ano de publicação:	2025
Referência:	Bento Gonçalves, RS: Embrapa Uva e Vinho, dez. 2025.
Páginas:	11 p.
Conteúdo:	Este trabalho ajustou e comparou modelos de aprendizado profundo em Tensorflow/Keras para classificar automaticamente sintomas de doenças foliares em videiras usando redes neurais convolucionais (CNNs). A base continha imagens de folhas sadias, com míldio e com manchas de Mycosphaerella. Testou-se um modelo sequencial simples e, depois, transferência de aprendizado com InceptionV3, aplicando aumento de dados e dropout para melhorar a generalização. Os modelos treinados foram convertidos para TFLite, permitindo uso em dispositivos de baixa capacidade. A acurácia de validação mostrou bom desempenho. Criou-se ainda uma interface em Flask para upload de imagens e exibição da classe predita, oferecendo uma ferramenta prática para agricultura de precisão e monitoramento fitossanitário.
NAL Thesaurus:	Expert systems
Palavras-chave:	Classificação de imagens Redes neurais convolucionais Transferência de aprendizado Sistemas especialistas Deep learning Image classification Convolutional neural networks Transfer learning
Série:	(Embrapa Uva e Vinho. Boletim de Pesquisa e Desenvolvimento, 41).
ISSN:	3085-9131
Notas:	e-ISSN 1981-1004 CGPE 19414
Tipo do Material:	Folhetos
Acesso:	openAccess
Aparece nas coleções:	Boletim de Pesquisa e Desenvolvimento (CNPUV)