DETECÇÃO AUTOMATIZADA DE PLANTAS DANINHAS EM LAVOURAS DE SOJA: COMPARAÇÃO ENTRE PERCEPTRON MULTICAMADAS E REDES NEURAIS CONVOLUCIONAIS PARA A AGRICULTURA DE PRECISÃO
Revista Contemporânea · 28.07.2026 · 6 (7) · e10878
DOI: 10.56083/rcv6n7-054 ↗Kurz gefasst
Fachartikel in der Zeitschrift Revista Contemporânea, online erschienen am 28.07.2026. Verfasst von Carolina Verri Resende und 1 weiteren Autor:innen. Die Arbeit nennt 13 Literaturangaben.
Abstract (Originalsprache)
O manejo de plantas daninhas permanece entre os principais desafios para a produção sustentável de soja, especialmente em um contexto de elevação dos custos com herbicidas e de crescente pressão por práticas agrícolas mais eficientes. Este artigo apresenta um estudo comparativo entre um Perceptron Multicamadas (MLP) e uma Rede Neural Convolucional (CNN) aplicados à detecção automática de plantas daninhas em imagens coletadas em condições reais de campo em lavoura comercial de soja no estado do Mato Grosso. O banco de dados foi construído a partir de vídeos capturados com câmera GoPro Hero 7 Black no estágio fenológico V2–V3, gerando aproximadamente 10.000 imagens rotuladas manualmente. O modelo MLP, implementado manualmente em Python, utilizou imagens em escala de cinza redimensionadas para 100×100 pixels e vetorizadas, alcançando 53% de acurácia no conjunto de teste, com taxa de acerto de 75,5% para soja e 30,5% para daninha. A CNN, implementada com TensorFlow/Keras e composta por três blocos convolucionais com MaxPooling, camada densa e Dropout, apresentou desempenho superior, atingindo 79,56% de acurácia, 97,08% de recall para soja e 37,40% para daninha. A comparação evidencia que ambos os modelos identificaram melhor a cultura da soja do que as plantas daninhas, porém a arquitetura convolucional mostrou-se significativamente mais adequada para dados de imagem, preservando a estrutura espacial e extraindo características visuais mais relevantes. Os resultados reforçam o potencial da visão computacional como ferramenta estratégica para a Agricultura de Precisão e para futuras aplicações em sistemas de pulverização localizada.
Zitieren
APA
Resende, C. V., & Batista, M. A. (2026). DETECÇÃO AUTOMATIZADA DE PLANTAS DANINHAS EM LAVOURAS DE SOJA: COMPARAÇÃO ENTRE PERCEPTRON MULTICAMADAS E REDES NEURAIS CONVOLUCIONAIS PARA A AGRICULTURA DE PRECISÃO. Revista Contemporânea, 6(7), e10878. https://doi.org/10.56083/rcv6n7-054
Vancouver
Resende CV, Batista MA. DETECÇÃO AUTOMATIZADA DE PLANTAS DANINHAS EM LAVOURAS DE SOJA: COMPARAÇÃO ENTRE PERCEPTRON MULTICAMADAS E REDES NEURAIS CONVOLUCIONAIS PARA A AGRICULTURA DE PRECISÃO. Revista Contemporânea. 2026;6(7):e10878. doi:10.56083/rcv6n7-054
BibTeX
@article{Resende2026,
author = {Resende, Carolina Verri and Batista, Marcos Aurelio},
title = {DETECÇÃO AUTOMATIZADA DE PLANTAS DANINHAS EM LAVOURAS DE SOJA: COMPARAÇÃO ENTRE PERCEPTRON MULTICAMADAS E REDES NEURAIS CONVOLUCIONAIS PARA A AGRICULTURA DE PRECISÃO},
journal = {Revista Contemporânea},
year = {2026},
volume = {6},
number = {7},
pages = {e10878},
doi = {10.56083/rcv6n7-054}
}
EUVIMED