@MASTERSTHESIS{ 2018:1930264363,
 	title = {Classifica??o do inseto Diaphorina citri utilizando Deep Learning},
 	year = {2018},
 	url = "http://tede2.uefs.br:8080/handle/tede/1343",
 	abstract = "O Brasil ? um dos principais produtores  de  suco  de  laranja,  exportando  98%  do que produz.  E problemas fitossanit?rios causam perda na produ??o e dificuldade de exporta??o.  Dentre as pragas existentes est? a Huanglongbing, tamb?m conhecida por Greening.  Esta doen?a reduz a qualidade do fruto, atrapalha o desenvolvimento da planta e reduz sua produtividade.  O principal inseto propagador da bact?ria causadora da doen?a? o psil?deo Diaphorina citri, que tem 2 a 3 mm de comprimento. Para o controle do problema, um m?todo usado consiste na captura com armadilhas amarelas e contagem dos insetos para ajuste posterior da dosagem dos inseticidas a serem aplicados.   Essa forma de monitoramento ?  um  componente  importante na preven??o, na detec??o e contagem do inseto causador da doen?a, e ? realizada de maneira manual sendo esse processo determinante para aplica??o mais efetivas de  inseticidas.   Esta pesquisa,  teve  como  objetivo  geral  o  uso  da  metodologia  de Aprendizado Profundo (Deep Learning) com Redes Convolucionais Neurais (CNN) na classifica??o do psil?deo Diaphorina citri em imagens digitalizadas de armadilhas adesivas, como forma de agilizar o processo de identifica??o e melhorar os resultados de precis?o no reconhecimento do psil?deo.  Para isso, foi necess?rio criar um banco de dados com as imagens das armadilhas ap?s digitalizadas e analisar os resultados obtidos na classifica??o do Diaphorina citri utilizando modelos de arquiteturas distintos com abordagem de aprendizado profundo.  Para a classifica??o automatizada, foram  experimentadas  tr?s  arquiteturas  de  Redes  Convolucionais  Neurais  (CNN). Ap?s  avalia??o  e  aplica??o  de  testes  estat?sticos  para  comparar  os  resultados  das arquiteturas LeNet, AlexNet, Inception, o modelo Inception aplicado ao conjunto de amostras de teste para generaliza??o do modelo apresentou uma m?dia de acur?cia de 99.51% na valida??o cruzada e 99.37% na valida??o com o conjunto de teste final na classifica??o do inseto Diaphorina citri.",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Mestrado em Computa??o Aplicada},
 	note = {DEPARTAMENTO DE CI?NCIAS EXATAS}
}