Abstract
Este trabalho propõe um algoritmo de segmentação semântica baseado em Redes Neurais Convolucionais (RNC) para classificar plantas daninhas das famílias Amaranthaceae, Boraginaceae e Plantaginaceae, que são tóxicas para o gado. A identificação precisa dessas plantas é crucial para um controle eficaz. Para o desenvolvimento do algoritmo, foi coletado um conjunto de imagens de ervas daninhas em diversos cenários, como pastagens, plantações de cana-de-açúcar e outras culturas. As imagens foram normalizadas para um tamanho padrão de 704x1056 pixels. O algoritmo utilizou técnicas de meta-aprendizagem, como MAML, e o EfficientNet-B0, um extrator de características pré-treinado, em uma arquitetura de Rede Piramidal de Características (FPN) para segmentação semântica. A métrica Intersection over Union (IoU), também conhecida como mIoU, foi utilizada para avaliar o desempenho do modelo. Durante o treinamento, o modelo alcançou uma perda de 0,007, mIoU de 0,887 e acurácia de 0,998. Na validação, os resultados foram uma perda de 0,034, mIoU de 0,868 e acurácia de 0,988, demonstrando a eficiência e o alto desempenho do algoritmo proposto.

This publication has 9 references indexed in Scilit: