DETECÇÃO DE DANINHAS EM PLANTIOS DE CANA-DE-AÇÚCAR A PARTIR DE IMAGENS PLÉIADES-NEO E MODELO YOLOV8

As ervas daninhas em talhões de cana-de-açúcar podem afetar a produtividade, demandando mapeamentos espaciais precisos para orientar o controle localizado. Este trabalho aborda a detecção e mapeamento preliminar de áreas com potencial presença de ervas daninhas a partir de imagens Pléiades-NEO-3/4, que possuem resolução espacial de 30 cm e bandas espectrais do visível, red edge e infravermelho próximo. Foram obtidas amostras de campo representando áreas infestadas, as quais serviram como verdade terrestre para treinamento e validação de um modelo YOLOv8. As imagens foram recortadas em quadrículas (chips) de 128 x 128 pixels, classificadas em “com daninhas” ou “sem daninhas”. O conjunto de dados foi dividido em 70% para treinamento e 30% para validação. O modelo YOLOv8 alcançou exatidão global de 99,2% nesta classificação binária, porém não fornece a localização exata das reboleiras de daninhas dentro de cada tile. Assim, os resultados servem como etapa inicial para, em estudos futuros, aplicar modelos de segmentação e refinar o mapeamento espacial, gerando mapas detalhados da distribuição das daninhas no talhão.