Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.213
Aluno: Ladson Gomes Silva
Orientador: Prof. Stefan Michael Blawid
Título: Applying Generative AI to Plant Disease Diagnosis: A Multimodal Agent for Supporting Smallholder Farmers
Data: 28/07/2025
Hora/Local: 9h.- Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Filipe Carlos de Albuquerque Calegario (UFPE / Centro de Informática)
Prof. André Angelo Medeiros Gomes (UFRPE / Departamento de Agronomia)
Prof. Stefan Michael Blawid (UFPE / Centro de Informática)
RESUMO:
O presente trabalho busca entender como técnicas mais recentes de inteligência artificial generativa—como os Modelos de Linguagem de Grande Escala (LLMs) e a Geração Aumentada por Recuperação (RAG) podem ser aplicadas no diagnóstico de doenças em plantas. O estudo envolve a criação do LIMMO, um agente conversacional multimodal pensado para ajudar agricultores familiares por meio de conversas em linguagem natural e também pelo envio de imagens. Combinando modelos avançados de linguagem, análise de imagem com redes neurais e recuperação de informações especializadas, o sistema tenta lidar com alguns dos principais desafios do campo, como a falta de acesso a dados confiáveis e a dificuldade de conseguir apoio técnico em tempo real. Ao longo do trabalho, é feito um panorama sobre a evolução da IA generativa, as formas de avaliar esses modelos, e as ferramentas que estão surgindo para facilitar esse tipo de aplicação. A metodologia propõe uma abordagem que mistura análise de imagem e voz com mecanismos de busca por conhecimento especializado, buscando tornar as respostas mais precisas e úteis para quem usa. O protótipo foi testado e avaliado por usuários, e os resultados mostram que esse tipo de solução tem potencial para tornar o conhecimento técnico mais acessível e apoiar melhor as decisões no campo, principalmente em contextos com poucos recursos. Os testes indicam que é possível unir IA generativa com saber agronômico de forma eficaz, mesmo que ainda existam desafios, como a qualidade dos dados, a forma como as pessoas interagem com o sistema e a possibilidade de escalar a solução. Para o futuro, o trabalho aponta caminhos que envolvem adaptar melhor o sistema ao contexto dos usuários, considerar questões éticas no uso da tecnologia, e acompanhar a rápida evolução da IA para continuar respondendo aos problemas reais da agricultura.
Palavras-chaves: Inteligência Artificial Generativa; Modelos de Linguagem de Grande Escala (LLMs); Geração Aumentada por Recuperação (RAG); Diagnóstico de Doenças em Plantas; Agente de IA Multimodal; Agricultura Familiar; Tecnologia Agrícola; Análise de Imagens; Recuperação de Conhecimento; Sistemas Conversacionais
Comentários desativados