Técnicas de Aprendizado de Máquina na Identificação de Plantas Daninhas na Cultura do Milho: Comparação entre Maximum Likelihood, Random Forest e Support Vector Machine

Abstract

A cultura do milho (Zea mays L.) é uma das mais importantes do agronegócio brasileiro e mundial, sendo fonte essencial de nutrição humana e animal, além de matéria-prima para as indústrias farmacêutica, química, energética e de alimentos. Sua produtividade pode ser severamente comprometida pela presença de plantas daninhas, que competem com a cultura por água, nutrientes e luz. A semelhança visual entre essas espécies, especialmente em estádios precoces de desenvolvimento, dificulta sua identificação. Nesse contexto, o presente trabalho aplicou o uso de técnicas de Sensoriamento Remoto (SR) para discriminação espectral entre milho e daninha (Cyperus rotundus), por meio de imagens multiespectrais adquiridas por Aeronaves Remotamente Pilotadas (ARPs). Foram avaliados três classificadores supervisionados – Maximum Likelihood (ML), Random Forest (RF) e Support Vector Machine (SVM) – estes foram aplicados em diferentes estádios fenológicos e em dois ciclos de cultivo (safra principal e secundária). A acurácia global (AG), assim como as métricas de precisão, recall e F1-score por classe, foram utilizadas para avaliar o desempenho dos algoritmos na classificação de quatro alvos: Zea mays L., Cyperus rotundus, solo e sombra. Foi observada a evolução do desempenho dos classificadores, com o avanço do estádio fenológico. Na análise do primeiro ano (safra secundária) o estádio fenológico V8, foi o mais indicado para a diferenciação entre as plantas, e o classificador de maior desempenho foi o ML, apresentou uma AG de 89%. Para a classe Zea mays L. a precisão foi de 0,88, recall de 0,81 e F1-score de 0,85, e para Cyperus rotundus a precisão foi de 0,68, recall de 0,89 e F1-score de 0,77. No segundo ano (safra principal), a melhor diferenciação foi no estádio fenológico V6, o ML foi novamente o melhor classificador, apresentando uma AG de 88%, com precisão de 1,00, recall de 0,78 e F1-score de 0,88 para a classe Zea mays L., e precisão de 0,52, recall de 1,00 e F1-score de 0,68 para a classe de Cyperus rotundus. Portanto, nos diferentes anos analisados o classificador ML apresentou melhor desempenho