Banca de DEFESA: Dov Katz

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : Dov Katz
DATA : 25/11/2026
HORA: 14:00
LOCAL: Plataforma Teams UnB
TÍTULO:

Área Proporcional de Anomalia para Detecção Autossupervisionada de Doenças em Folhas de Algodoeiro por Reconstrução Generativa

PALAVRAS-CHAVES:

detecção de ramulária; CycleGAN; CIEDE2000; detecção de
anomalias; reconstrução de imagens; inteligência artificial generativa.

PÁGINAS: 63
RESUMO:

Este estudo investigou se um modelo generativo de reconstrução, treinado exclusivamente com imagens de folhas saudáveis de algodoeiro, poderia auxiliar na distinção entre folhas saudáveis e doentes por meio da análise de anomalias baseada na reconstrução. Uma estrutura de colorização baseada em CycleGAN foi treinada apenas com folhas saudáveis, utilizando a tradução de imagens em escala de cinza para imagens coloridas. Para investigar o efeito do tamanho do conjunto de treinamento, foram testados quatro níveis de treinamento (50, 100, 200 e 300 imagens saudáveis), e cada experimento foi repetido em cinco execuções. A avaliação inicial com SSIM e PSNR mostrou que a qualidade da reconstrução foi consistentemente alta em todos os tamanhos de conjunto de dados, com apenas pequenas melhorias à medida que o número de imagens de treinamento aumentou. Em seguida, o erro perceptual foi analisado no espaço CIELAB, utilizando a métrica CIEDE2000. As primeiras medidas globais do erro de reconstrução em nível de imagem indicaram alguma separação entre folhas saudáveis e doentes, mas a sobreposição entre as classes permaneceu elevada demais para uma classificação confiável.
Para superar essa limitação, o estudo introduziu a área proporcional de anomalia, definida como a porcentagem de pixels da folha cujo erro perceptual ultrapassou um limiar selecionado. Essa medida baseada em área proporcionou separação mais clara entre folhas saudáveis e doentes do que as medidas globais anteriores baseadas na intensidade do erro. A análise ampliada dos limiares mostrou que valores elevados de CIEDE2000 apresentaram o melhor desempenho. A validação entre execuções confirmou a estabilidade desse comportamento, com o melhor desempenho para um limiar fixo de 12,0 (AUC média = 0,9991).
Um método de definição de limiar por percentil derivado das folhas saudáveis produziu resultados igualmente fortes, com melhor desempenho no percentil 99,9 da distribuição de erros das folhas saudáveis (AUC média = 0,9990). De modo geral, os resultados mostram que o erro de reconstrução pode apoiar a análise de doenças orientada à detecção de anomalias, mas que medidas globais simples apresentam limitações. Nesta abordagem, as medidas baseadas em área e em filtragem espacial foram muito mais eficazes e proporcionaram separação forte e estável entre folhas saudáveis e doentes.

MEMBROS DA BANCA:
Presidente - 1122092 - DIBIO LEANDRO BORGES
Externo à Instituição - FABRIZZIO ALPHONSUS ALVES DE MELO NUNES SOARES - UFG
Interno (Suplente) - 405040 - JOSE MAURICIO SANTOS TORRES DA MOTTA
Interno - 1961131 - SANDERSON CESAR MACEDO BARBALHO