📄 agriculture

A Novel Multi Class Real World Fruit and Leaf Disease Image Dataset for Crop Health Analysis

Este artigo apresenta o conjunto de dados Tomato–Chilli–Papaya (TCP), uma coleção abrangente de imagens de múltiplas culturas do mundo real para o reconhecimento de doenças em plantas, e valida sua utilidade demonstrando que modelos de aprendizado profundo, particularmente CNNs leves, podem classificar eficazmente diversas doenças de folhas e frutos para apoiar a agricultura de precisão escalável.

Autores originais: Anand Kumar Jain, Anadi Jain, Neeta Nain

Publicado 2026-07-09

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Anand Kumar Jain, Anadi Jain, Neeta Nain

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine um mundo onde os agricultores são como detetives tentando resolver um mistério todos os dias: "Minha plantação está saudável ou está doente?". Normalmente, eles têm que caminhar por quilômetros de campos, apertando os olhos para observar folhas e frutos, tentando adivinhar se uma mancha marrom é apenas uma sombra ou o início de uma doença mortal. É lento, cansativo e fácil de errar.

Este artigo apresenta uma nova ferramenta para ajudar esses detetives: um enorme álbum de fotos digital chamado Conjunto de Dados TCP.

O Álbum de Fotos "TCP"

Pense no conjunto de dados TCP como um grande álbum de recortes organizado, contendo 9.541 fotos de três culturas muito populares: Tomate, Pimentão e Mamão.

Os Assuntos: Assim como um álbum de família tem fotos de todos, este álbum tem fotos tanto de folhas quanto de frutos.
As Condições: Diferente de um ensaio fotográfico em estúdio, onde a iluminação é perfeita e o fundo é branco liso, estas fotos foram tiradas no mundo real. Algumas são ensolaradas e brilhantes, outras estão na sombra, algumas estão borradas e outras têm terra ou outras plantas ao fundo. Isso torna o álbum "realista", treinando computadores para reconhecer doenças mesmo quando a foto não é perfeita.
A Variedade: O álbum não é apenas um tipo de imagem. Ele inclui:
- 55% tiradas diretamente por pesquisadores em campos em Rajasthan, Índia.
- 16% capturadas por agricultores reais usando seus telefones celulares.
- 17% de outros bancos de dados públicos confiáveis.
- 12% imagens cuidadosamente verificadas da internet.

O "Dicionário de Doenças"

Dentro deste álbum, as fotos estão organizadas em 20 categorias diferentes. É como ter um dicionário que ensina ao computador a diferença entre:

Uma folha de tomate saudável vs. uma com "Tinta Preta" (que parece um alvo).
Um pimentão saudável vs. um com "Enrugamento de Folha" (onde as folhas se retorcem como um pretzel).
Um mamão saudável vs. um com "Mancha Anelar" (que coloca anéis no fruto).

O objetivo é ensinar um computador a olhar para uma foto e dizer: "Ah, isso não é apenas uma folha suja; é um vírus específico!"

Ensinando o Computador (O Treinamento do "Cérebro")

Os pesquisadores não apenas mostraram as fotos a um computador; eles usaram um tipo especial de cérebro digital chamado CNN (Rede Neural Convolucional). Pense nestas como diferentes tipos de "olhos" com diferentes pontos fortes:

Os Pesos-Pesados (VGG, ResNet, DenseNet): Estes são como microscópios gigantes e poderosos. Eles conseguem ver detalhes minúsculos, mas são pesados e lentos para rodar.
Os Leves (MobileNet): Estes são como um par de óculos inteligentes e leves. São rápidos e fáceis de carregar (perfeitos para o celular de um agricultor), mas ainda enxergam muito bem.

Os pesquisadores "treinaram" esses olhos digitais usando o conjunto de dados TCP. Eles perguntaram ao computador: "Olhe para esta foto. Ela está saudável ou doente? Se estiver doente, de que tipo?"

Os Resultados: Quem Ganhou o Jogo?

Após o treinamento, os pesquisadores testaram o quão bem esses olhos digitais consegravam identificar as doenças. Aqui está o que eles descobriram:

O Campeão: A DenseNet121 foi a mais consistente e versátil. Ela obteve a melhor pontuação geral (cerca de 86% de precisão) em todas as três culturas e todos os tipos de doenças. Era como um detetive que nunca perdia uma pista.
Os Velozes: A MobileNet e a MobileNetV2 foram incrivelmente rápidas e eficientes. Elas não venceram em todas as categorias, mas fizeram um ótimo trabalho com muito pouco poder de computação. Isso é crucial porque significa que um agricultor poderia potencialmente usar isso em um smartphone simples, sem precisar de um supercomputador.
Os Problemáticos: A ResNet50 foi um pouco decepcionante. Apesar de ser um modelo complexo, ela se confundia facilmente, especialmente quando as fotos eram complicadas ou as doenças pareciam semelhantes. É como um detetive que pensa demais nas pistas e acaba dando a resposta errada.

O Mapa de Calor de "Incerteza"

Os pesquisadores também observaram como o computador fazia suas suposições. Eles criaram um "mapa de calor" (como um mapa meteorológico mostrando pontos quentes e frios).

Pontos escuros significavam que o computador estava muito confiante: "Eu sei que esta é uma folha doente!"
Pontos claros significavam que o computador estava em dúvida: "Hum, isso parece um pouco uma folha saudável, mas talvez esteja doente?"
O estudo descobriu que o computador geralmente era muito confiante, mas ficava confuso quando as doenças pareciam muito semelhantes ou quando a iluminação era ruim.

A Conclusão

Este artigo não afirma ter construído um robô agricultor ainda. Em vez disso, ele diz: "Construímos um teste prático muito bom e realista (o conjunto de dados) e mostramos que a visão computacional moderna pode aprender a detectar essas doenças."

Eles provaram que, ao alimentar os computadores com uma mistura diversificada de fotos do mundo real (não apenas fotos perfeitas de laboratório), podemos treinar computadores para reconhecer doenças de culturas com precisão. Este é um passo vital para a construção de ferramentas que ajudem os agricultores a detectar doenças precocemente, salvar suas plantações e produzir mais alimentos.

Em resumo: Eles criaram um livro de fotos enorme e bagunçado do mundo real de plantas doentes e saudáveis, ensinaram um computador a lê-lo e descobriram que o computador ficou muito bom em identificar os pontos problemáticos.

Resumo Técnico: Um Novo Conjunto de Dados de Imagens de Doenças de Frutos e Folhas do Mundo Real Multiclasse para Análise da Saúde das Culturas

Declaração do Problema
As doenças de plantas que afetam folhas e frutos causam perdas globais substanciais de rendimento e econômicas, particularmente em culturas hortícolas como tomate, pimentão e mamão. Embora o diagnóstico precoce e preciso seja crítico para o manejo das culturas, a inspeção manual tradicional é demorada, subjetiva e inviável em escala. Embora a Inteligência Artificial (IA) e as Redes Neurais Convolucionais (CNNs) mostrem promessa para a detecção automatizada, sua eficácia é frequentemente prejudicada pela falta de conjuntos de dados de alta qualidade e diversidade. Os benchmarks existentes, como o PlantVillage, são frequentemente limitados a ambientes de laboratório controlados com fundos uniformes, restringindo a generalização dos modelos para ambientes agrícolas do mundo real, onde a iluminação, a complexidade do fundo e a severidade da doença variam significativamente. Além disso, muitos conjuntos de dados existentes focam em culturas únicas ou órgãos vegetais únicos, falhando em suportar a análise de múltiplas culturas e múltiplas doenças necessária para a implantação prática.

Metodologia
Os autores introduzem o Conjunto de Dados Tomato-Chilli-Papaya (TCP), um repositório de imagens multicultura abrangente projetado para preencher a lacuna entre modelos treinados em laboratório e a implantação no mundo real.

Composição do Conjunto de Dados: O conjunto de dados compreende 9.541 imagens RGB rotuladas categorizadas em 20 classes distintas através de três culturas economicamente vitais: Tomate (Solanum lycopersicum), Pimentão (Capsicum annuum) e Mamão (Carica papaya). As classes incluem tanto estados saudáveis quanto doentes para folhas e frutos.
Aquisição de Dados: Para garantir a variabilidade do mundo real, as imagens foram obtidas de quatro canais:
- 55% coletadas diretamente de campos agrícolas em Rajasthan, Índia (Jaipur, Kota, Bundi).
- 16% contribuídas por agricultores usando dispositivos móveis.
- 17% provenientes de conjuntos de dados de referência públicos existentes.
- 12% de fontes verificadas da internet.
  As imagens capturam condições diversas, incluindo variações de iluminação, oclusões, desordem de fundo (solo, céu, vegetação) e estágios de progressão da doença.
Configuração Experimental: Os autores avaliaram o conjunto de dados usando transferência de aprendizado (transfer learning) com seis arquiteturas de CNN estabelecidas: MobileNet, MobileNetV2, DenseNet121, ResNet50, InceptionV3 e VGG19.
- Pré-processamento: As imagens foram redimensionadas para 224 × 224 pixels, normalizadas e divididas em conjuntos de treinamento (80%) e validação (20%).
- Arquitetura do Modelo: O estudo utilizou backbones pré-treinados (congelados) com uma camada de Global Average Pooling (GAP), uma camada de Dropout (taxa 0.2) e uma camada final de classificação Softmax.
- Treinamento: Os modelos foram treinados usando o otimizador Adam (taxa de aprendizado $10^{-3}$ ) com perda de entropia cruzada categórica esparsa por 50 épocas.
Métricas de Avaliação: O desempenho foi avaliado usando Acurácia, Precisão, Recall, F1-Score e matrizes de confusão. O estudo também incluiu uma análise quantitativa da incerteza do modelo usando mapas de calor (heatmaps).

Principais Contribuições

O Conjunto de Dados TCP: A principal contribuição é o lançamento de um novo conjunto de dados de múltiplas culturas e múltiplas doenças que reflete a complexidade das condições reais de campo. Ele aborda a escassez de conjuntos de dados que simultaneamente cobrem múltiplas culturas e tanto patologias de folhas quanto de frutos.
Benchmarking: O artigo fornece um benchmark rigoroso para modelos de aprendizagem profunda neste conjunto de dados específico, oferecendo métricas de desempenho de base para 20 classes de doenças distintas.
Validação no Mundo Real: Ao incorporar dados de agricultores e diversos ambientes de campo, o conjunto de dados serve como um teste desafiador para avaliar a robustez do modelo contra mudanças de iluminação, ruído de fundo e desequilíbrio de classes.

Resultos
Os resultados experimentais destacam variações significativas no desempenho dos modelos com base na complexidade da arquitetura e nas características do conjunto de dados:

Melhores Desempenhos: A DenseNet121 alcançou o maior desempenho geral, com um F1-Score ponderado de 86% e uma acurácia de teste de 86,06%. Ela demonstrou generalização superior através das diversas classes de culturas e doenças.
Modelos Leves: MobileNet e MobileNetV2 entregaram resultados competitivos (F1-Scores ponderados de 84%) com significativamente menos parâmetros (aprox. 3.2M e 2.2M, respectivamente) e tempos de treinamento mais rápidos, tornando-os adequados para implantação em dispositivos de borda (edge deployment).
Modelos de Baixo Desempenho: A ResNet50 teve um desempenho significativamente inferior (Acurácia de Teste ~39,73%, F1-Score ponderado ~36%), provavelmente devido ao sobreajuste (overfitting) e à sensibilidade ao desequilíbrio de classes do conjunto de dados. VGG19 e InceptionV3 mostraram desempenho moderado, mas exigiram recursos computacionais substancialmente maiores.
Insights Específicos por Classe:
- Os modelos performaram excepcionalmente bem em classes "Saudáveis" e sintomas virais distintos (ex: Vírus do Enrugamento do Pimentão alcançou F1-scores quase perfeitos).
- O desempenho caiu em classes com sintomas sutis ou alta similaridade interclasse, como Mancha Bacteriana do Mamão e Murcha de Verticillium do Tomate, onde até os melhores modelos tiveram dificuldade com o recall.
Análise de Incerteza: A análise de mapa de calor indicou que o modelo MobileNet produziu previsões confiantes para a maioria das amostras, com picos de incerteza ocorrendo principalmente em casos de sintomas ambíguos ou fundos complexos.

Significância e Alegações
O artigo alega que o conjunto de dados TCP fornece um benchmark necessário e desafiador para o avanço do diagnóstico de doenças de plantas. Sua significância reside em:

Viabilizar a Generalização Robusta: Ao refletir a variabilidade do mundo real, o conjunto de dados apoia o desenvolvimento de modelos de IA que são menos propensos a falhas quando implantados em ambientes agrícolas não controlados.
Suportar a Agricultura de Precisão: O conjunto de dados facilita a pesquisa em modelos leves para dispositivos de borda, IA explicável e estimativa de incerteza, que são críticos para sistemas de suporte à decisão práticos e escaláveis.
Reprodutibilidade: Os autores fornecem o conjunto de dados (via Mendeley) e o código (via GitHub) para permitir pesquisa reprodutível e desenvolvimento adicional de arquiteturas híbridas CNN-Transformer.

Os autores concluem que, embora os modelos de aprendizagem profunda possam aprender efetivamente características discriminativas para padrões de doenças, a diversidade do conjunto de dados é crucial para garantir que esses modelos generalizem através de diferentes culturas e órgãos vegetais. Um trabalho futuro é proposto para expandir a cobertura de culturas, incorporar anotações de grão fino para segmentação e integrar dados temporais e multiespectrais.