RECONHECIMENTO DE DOENÇAS EM FOLHAS DE MACIEIRA UTILIZANDO BAG OF FEATURES E SVM COM VARIAÇÃO DO VOCABULÁRIO VISUAL

O reconhecimento automático de doenças em plantas tem se consolidado como uma ferramenta fundamental para a agricultura de precisão, especialmente em culturas de elevado valor comercial, como a macieira (Malus domestica). Neste trabalho, é proposta uma abordagem de classificação baseada no modelo Bag of Features (BoF) aliado a Máquinas de Vetores de Suporte (SVM), aplicada ao dataset Apple Tree Leaf, que contém quatro classes patológicas: Alternaria leaf spot, Brown spot, Gray spot e Rust. O estudo diferencia-se pela investigação sistemática do impacto do tamanho do vocabulário visual na etapa de quantização das características, avaliando cinco configurações de BoF (100, 300, 700, 1000 e 3000 palavras). Os experimentos conduzidos no MATLAB R2023b revelam que vocabulários intermediários, em especial entre 700 e 1000 termos, proporcionam o melhor compromisso entre discriminação e capacidade de generalização, resultando em elevadas taxas de acurácia para a maioria das classes. Apesar disso, a classe Gray spot demonstrou maior dificuldade de reconhecimento, reforçando a necessidade de estratégias complementares para sua distinção. Os achados confirmam a eficiência de métodos clássicos de visão computacional em bases de tamanho moderado e oferecem subsídios relevantes para o desenvolvimento de sistemas de diagnóstico foliar aplicados ao contexto agrícola.