DETECÇÃO DE FRUTOS DE CACAU EM IMAGENS

Autores

  • Samira Santos de Oliveira Universidade Federal do Recôncavo da Bahia image/svg+xml
  • Mariana Rodrigues de Araujo Freitas Southwest Bahia State University image/svg+xml
  • Liniker Fernandes da Silva Universidade Federal do Recôncavo da Bahia image/svg+xml
  • Luis Carlos de Freitas Southwest Bahia State University image/svg+xml

Palavras-chave:

Yolo, Visão Computacional, quantificação da produção

Resumo

A cultura do cacau possui grande importância econômica e social, especialmente na Bahia, principal produtora nacional. A necessidade de métodos mais eficientes para estimar a produção tem impulsionado o uso de técnicas de visão computacional, como a detecção de objetos. Este trabalho teve como objetivo treinar um modelo baseado na arquitetura YOLOv8 para identificar frutos de cacau. O banco de dados foi composto por 96 imagens, anotadas na plataforma Roboflow. O modelo YOLOv8-small foi treinado por 200 épocas, e as curvas de perda indicaram aprendizado consistente, com redução progressiva das funções de custo e ausência de indícios de overfitting ou underfitting. A avaliação do desempenho foi realizada no conjunto de teste por meio das métricas Precisão e Recall. O modelo apresentou precisão de 0,899 e recall de 0,841, demonstrando equilíbrio entre detecções corretas e capacidade de localizar a maior parte dos frutos presentes nas imagens. Os valores de mAP50 (0,770) e mAP50–95 (0,535) confirmam desempenho adequado para aplicações reais de detecção de objetos. Os resultados demonstram que o modelo YOLOv8 é capaz de identificar frutos de cacau com elevada precisão, evidenciando potencial para aplicações práticas de monitoramento da cultura e apoio à tomada de decisão por produtores e técnicos.

Downloads

Não há dados estatísticos.

Referências

BAHIA. Secretaria da Agricultura, Pecuária, Irrigação, Pesca e Aquicultura. Panorama da agricultura, pecuária, pesca e aquicultura da Bahia: destaques 2023. Salvador: SEAGRI, 2024a. Disponível em: https://portaldaagropecuaria.uefs.br/dashboard/agropecuaria/agricultura. Acesso em: 9 jun. 2026.

BAHIA. Secretaria da Agricultura, Pecuária, Irrigação, Pesca e Aquicultura (SEAGRI). Portal da Agropecuária da Bahia (PortAgro): agricultura – cacau (em amêndoa). Desenvolvido em parceria com a Universidade Estadual de Feira de Santana (UEFS). Salvador, 2024b. Disponível em: https://portaldaagropecuaria.uefs.br/dashboard/agropecuaria/agricultura. Acesso em: 9 jun. 2026.

BASSOI, L. H.; BERNARDI, A. C. de C.; VAZ, C. M. P.; PIRES, J. L. F.; GEBLER, L.; JORGE, L. A. de C.; INAMASU, R. Y. (ed.). Agricultura de Precisão: Um Novo Olhar na Era Digital. São Carlos, SP: Editora Cubo, 2024. Disponível em: https://www.embrapa.br/busca-de-publicacoes/-/publicacao/1169415/agricultura-de-precisao-um-novo-olhar-na-era-digital. Acesso em: 9 jun. 2026

BOCHKOVSKIY, A.; WANG, C.Y.; LIAO, H.Y.M. YOLOv4: Optimal Speed and Accuracy of Object Detection. Arxiv, v.2004, p.10934, 2020. Disponível em: https://arxiv.org/pdf/2004.10934. Acesso em: 5 jun. 2026.

DWYER, B.; NELSON, J.; HANSEN, T.; SOLAWETZ, J. Roboflow (Version 1.0) [Software], 2026. Disponível em: https://roboflow.com. Acesso em: 4 mai. 2026.

ICCO – INTERNATIONAL COCOA ORGANIZATION. Quarterly Bulletin of Cocoa Statistics. Abidjan: ICCO, 2023. Disponível em: https://www.icco.org/november-2023-quarterly-bulletin-of-cocoa-statistics/. Acesso em: 12 mai. 2026.

Downloads

Publicado

2026-10-16

Como Citar

DE OLIVEIRA, Samira Santos; FREITAS, Mariana Rodrigues de Araujo; DA SILVA, Liniker Fernandes; DE FREITAS, Luis Carlos. DETECÇÃO DE FRUTOS DE CACAU EM IMAGENS. Simpósio de Ciências Florestais SICFLOR, [S. l.], v. 2, p. 59–62, 2026. Disponível em: https://anais2.uesb.br/index.php/sicflor/article/view/8112. Acesso em: 16 nov. 2026.

Edição

Seção

Manejo Florestal: Geotecnologia Aplicada