Aplicação para identificação de variedades de videira através de imagens de folhas
Dalton Firmino Campos
Alison Rocha de Aragão
Zirlangio Correia da Silva Filho
Nildo da Silva Dias
Patricia Lígia Dantas De Morais
Palavras-chave: Array, Array, Array, Array, Array
Resumo
Este trabalho apresenta um aplicativo Android para identificação de variedades de videiras a partir de imagens de folhas, com processamento via API em Django REST Framework e um modelo de visão computacional treinado em TensorFlow. O fluxo é simples e centrado no usuário: a pessoa fotografa a folha; a imagem passa por validações de foco, iluminação e enquadramento; é enviada à API; uma rede neural convolucional estima a variedade mais provável; e o sistema retorna recomendações práticas de manejo (poda, irrigação, adubação, cuidados fitossanitários e época de colheita), junto de um nível de confiança. O desenho da solução privilegia baixo atrito e alta confiabilidade. No app, a interface mobile-first orienta o enquadramento com guias visuais e comprime a foto no dispositivo para reduzir latência. No backend, a API executa pré-processamento (normalização, ajuste de balanço e redimensionamento) e chama o modelo para inferência. O retorno inclui a melhor classe e alternativas próximas quando a confiança é intermediária, além de mensagens claras para situações de incerteza. O treinamento utilizou 1.500 imagens com técnicas de data augmentation (variações de iluminação, rotações leves e jitter de cor), conferindo robustez para uso em campo e mitigando sobreajuste. O conjunto foi estratificado por variedade e estágio fenológico e dividido em treino, validação e teste. As métricas monitoradas incluem acurácia, precisão, revocação e F1-score por classe; também se avaliaram curvas de confiabilidade para calibrar limiares de decisão. Em testes, observou-se bom desempenho, tempos de resposta compatíveis com redes 4G e usabilidade consistente em telas pequenas.
Do ponto de vista prático, o sistema reduz erros de identificação, apoia decisões rápidas e cria um repositório reaproveitável na propriedade. A arquitetura com processamento centralizado facilita atualizações contínuas do modelo, mantendo a solução escalável e acessível. Alinha-se aos Objetivos de Desenvolvimento Sustentável ao fortalecer segurança alimentar, apoiar educação continuada no campo, fomentar produtividade e trabalho decente, integrar inovação e infraestrutura digital, incentivar práticas agrícolas responsáveis e promover o uso sustentável dos ecossistemas terrestres.