29 jun 2022
09:00 Defesa de Doutorado Auditório do IC3
Tema
Métodos Fracamente Supervisionados para Classificação de Ácaros na Citricultura
Aluno
Edson Riberto Bollis
Orientador / Docente
Orientadora: Sandra Eliza Fontes de Avila / Coorientador: Hélio Pedrini
Breve resumo
Pragas da agricultura de citros são fatores relevantes da perda de produção e, por isso, o motivo de grande investimento em prevenção de seus agentes causadores. No Brasil, o Manejo Integrado de Pragas (MIP) é o método mais utilizado para prevenir e amenizar os estragos causados pelas pragas e pelos vetores de doenças nas lavouras. No entanto, seus resultados são propensos a erros humanos, pois são executados por trabalhadores que vão aos pomares para identificar visualmente sintomas de doenças, insetos e ácaros. Nesta tese, foram propostos métodos de aprendizado fracamente supervisionados e aprendizado profundo para ajudar a automatização da identificação de ameaças presentes no MIP. Para isso, a base de dados Citrus Pest Benchmark foi coletada utilizando dispositivos móveis e lupas para contemplar os requisitos necessários do reconhecimento das pragas mais relevantes do interior paulista invisíveis a olho nu. Os métodos propostos para classificação binária, chamados MIL-Guided e Attention-based MIL-Guided, utilizam dois tipos de abordagens fracamente supervisionadas: a primeira abordagem, aprendizado por múltiplas instâncias, é guiada pela segunda, mapas de saliências criados por mapas de ativação. Os dois métodos mostraram que são capazes de reconhecer e classificar imagens com regiões de interesse muito pequenas relativamente ao tamanho total da área capturada, como as imagens da base coletada. Além disso, uma nova formulação matemática, chamada Two-WAM, referente aos mapas de ativação baseados em atenção foi proposta e utilizada, produziu localizações fracamente supervisionadas capazes de chegar ao nível de métodos totalmente supervisionados. A atenção, como foi proposta, ajudou no processo de encontrar regiões muito pequenas, como as dos ácaros. Para o problema de diferenciar entre várias espécies de ácaros (classificação multirrótulos), os experimentos mostraram que o uso do rótulo referente à classe negativa influenciou negativamente na geração e treinamento de modelos. Por outro lado, o uso da adaptação de domínio não supervisionada, conjuntamente com os mapas de ativação baseados em atenção, teve um impacto positivo nos resultados de classificação de ácaros. Também, foram executados experimentos com outra base de dados chamada IP102, que contém imagens de pragas grandes e salientes. Esses experimentos avaliaram a classificação de diferentes tipos de insetos e ácaros e quantificaram as localizações fracamente supervisionadas. As propostas desta tese, além de produzirem ótimos resultados para pragas pequenas e minúsculas, sempre estiveram ao mesmo nível que os melhores classificadores para a IP102, porém com uma rede mais leve.
Banca examinadora
Titulares:
Sandra Eliza Fontes de Avila | IC/UNICAMP |
Thiago Teixeira Santos | EMBRAPA |
Filipe de Oliveira Costa | CPqD |
Esther Luna Colombini | IC/UNICAMP |
Marcelo da Silva Reis | IC/UNICAMP |
Suplentes:
Gleyce Kelly Dantas Araújo | FEAGRI/UNICAMP |
Fabio Augusto Faria | UNIFESP |
Jurandir Zullo Junior | CEPAGRI/UNICAMP |