Tamanho da fonte: 

Detectar problemas existentes na lavoura pode se tornar uma tarefa difícil quando esta se localiza por grandes extensões. O sensoriamento remoto é uma importante ferramenta na identificação do estado atual de uma determinada cultura agrícola. Desta forma, este projeto tem como objetivo avaliar a técnica de classificação Support Vector Machine para identificação de seca dos ponteiros presentes em plantações de culturas de café. Para isto, foram utilizadas imagens provenientes de uma câmera convencional a bordo de um VANT. No âmbito computacional serão utilizadas técnicas de aprendizado de máquina e técnicas de processamento digital de imagens na aplicação do método de segmentação e extração de atributos. A técnica de classificação utilizada para o projeto foi a SVM presente na biblioteca scikit-learn. Para a validação da classificação foram aplicados as métricas precisão, revocação e pontuação-f1. Os resultados apresentam uma acurácia de 97% na identificação de ramos secos, apontando um reconhecimento satisfatório das secas dos ponteiros na cena apresentada.