USO DE ALGORITMOS SUPERVISIONADOS E NÃO SUPERVISIONADOS PARA DETECÇÃO DE GRÃOS DE CAFÉ EM NUVENS DE PONTOS LiDAR

O café, um dos principais produtos agrícolas do Brasil, tem sua produtividade como uma questão crucial para os produtores, impactando diretamente o gerenciamento de recursos e o planejamento da colheita. A antecipação da produtividade é essencial para os cafeicultores, facilitando decisões estratégicas. Um passo fundamental nesse processo é a detecção dos grãos de café. Assim, Este estudo investiga a detecção de frutos de café utilizando dados LiDAR e algoritmos de aprendizado de máquina, abordando tanto técnicas supervisionadas (Random Forest (RF), Support Vector Machine (SVM) e Convolutional Neural Network 1D (CNN 1D)) quanto não supervisionadas (DBSCAN). Foram utilizados exclusivamente dados de intensidade e calculadas as métricas de acurácia, acurácia balanceada e F1-score. O SVM apresentou a melhor acurácia balanceada, seguido por CNN 1D e RF. O DBSCAN, combinado com UMAP para redução de dimensionalidade, mostrou uma melhor qualidade de agrupamento, conforme o Índice de Davies-Bouldin.