PORTFÓLIO
COMPROBATÓRIO
DAS ATIVIDADES
DESENVOLVIDAS
Portfólio com documentos
comprobatórios das atividades
desenvolvidas pelo Professor
Nestor Flaviano Madureira
Barbosa entre as datas
13/01/2023 a 12/01/2025 para
fins de progressão na carreira no
Instituto Federal do Norte de
Minas Gerais – Campus Arinos.
Item 2 – CUMPRIMENTO DAS ATIVIDADES ESPECÍFICAS DO CARGO
SubItem 2.1.6 - Participa como membro de projetos de Ensino, Pesquisa e Extensão
cadastrados na Instituição ou em parcerias formais com outras instituições;
• Projeto Pedais dos Sertão 2023;
• Projeto Pedais dos Sertão 2024;
• Projeto FeirArinos
Item 2 – CUMPRIMENTO DAS ATIVIDADES ESPECÍFICAS DO CARGO
SubItem 2.1.8 – Realiza Produção Bibliográfica/ Artística / Técnica / Cultural
• Apresentação de trabalho escrito e Eventos Regionais (1º MCSM – Modelagem
Computacional do Sertão Mineiro)
Tema: Inteligêcia Computacional no Apoio à Identificação de Doenças na Cultura do
Café Conilon
I MCSM
15 a 16 de agosto de 2024
INTELIGÊNCIA COMPUTACIONAL NO APOIO À IDENTIFICAÇÃO DE
DOENÇAS NA CULTURA DO CAFÉ CONILON
Nestor Flaviano Madureira Barbosa1,2 - [Link]@[Link]
Luciana Balieiro Cosme1,3 - [Link]@[Link]
1 PPGMCS, UNIMONTES - Montes Claros, MG, Brazil
2 Instituto Federal do Norte de Minas Gerais, IFNMG -Arinos, MG, Brazil
3 Instituto Federal do Norte de Minas Gerais, IFNMG - Montes Claros, MG, Brazil
Resumo. Este trabalho tem como objetivo a utilização de redes neurais profundas para
criar modelos capazes de classificar um conjunto de dados contendo imagens com diversas
doenças em folhas do café conilon. Uma breve análise exploratória foi realizada e uma
série de treinamentos utilizando a rede neural pré-treinada ResNet-50 foram feitos com o
auxı́lio do processamento paralelo pela tecnologia CUDA da NVIDIA. A classificação abrangeu
duas possı́veis doenças que afetam as folhas do café e uma classe de folhas saudáveis. Os
experimentos mostraram que o modelo criado alcançou uma acurácia global de 92,60%. Esses
resultados indicam que as redes neurais profundas são eficazes na identificação de doenças no
café conilon, contribuindo para a melhor gestão e produtividade das plantações.
Keywords: Redes Neurais Artificiais, Deep Learning, Transfer Learning, Processamento
Paralelo
1. INTRODUÇÃO
O cafeeiro pertence à classe das Angiospermas, famı́lia Rubiácea, e está inserido ao
gênero Coffea, existem muitas espécies desse grupo, contudo, os cafés, arábica e conilon,
possuem destaque econômico e de produtividade, sendo que outras espécies pertencentes a esse
gênero são utilizadas em sua maioria em programas de melhoramento genético, auxiliando em
caraterı́sticas agronômicas desejáveis como tolerância ao estresse hı́drico, resistência a pragas
e doenças (CARVALHO, 1946; KRUG; CARVALHO, 1951; FERRÃO et al., 2017).
Data a importância econômica do café para o Brasil, a detecção e o controle de pragas em
plantações são cruciais para garantir a qualidade e a produtividade do grão, pois certas doenças
têm potencial destrutivo suficiente para tornar o cultivo do café inviável economicamente
(FERNANDES, 2002). A identificação manual de doenças em folhas de cafeeiro é um processo
demorado e sujeito a erros humanos. Neste contexto, a classificação de imagens de cafeeiro por
meio de técnicas de aprendizado de máquina surge como uma solução promissora para auxiliar
Anais do I MCSM – Modelagem Computacional do Sertão Mineiro - 2024
I MCSM
15 a 16 de agosto de 2024
na detecção e controle de pragas. A principal contribuição deste trabalho é a aplicação de um
modelo de classificação de imagens que alcança boa precisão na identificação de doenças em
folhas de cafeeiro, auxiliando na tomada de decisões mais eficientes e precisas para o manejo
de pragas. Além disso, diante da ausência de imagens públicas, nesse trabalho, as fotos foram
coletadas por diversos tipos de lentes, como drones, câmeras fotográficas digitais e diversos
celulares.
2. MATERIAIS E MÉTODOS
2.1 O Conjunto de Dados e o Pré Processamento
O dataset contendo 450 imagens obtidas em um dos cafezais parceiros do experimento, foi
obtido utilizando diferentes câmeras com diferentes resoluções, visando enriquecer o conjunto
de dados. Um breve pré processamento foi necessário para analisar e separar as imagens por
classes de doenças e classe sadia, concretizando a devida rotulação, sendo que em cada classe
com 150 imagens a proporção de 70% (105 imagens) serão destinadas ao treinamento e 30%
(45 imagens) utilizados para testes do modelo. Por fim a técnica de data augmentation, foi
utilizada para balancear o dataset e compensar a pouca quantidade de imagens.
2.2 Redes Neurais Convolucionais (CNN’s) e Transfer Learning
Redes neurais convolucionais são um tipo de arquitetura de rede neural projetada e
otimizada para o reconhecimento de padrões em dados não estruturados. Recebem esse
nome devido a um tipo de camada presente em suas arquiteturas: as camadas convolucionais
[Brownlee 2019]. Tais camadas aplicam uma série de filtros, que são eficazes no
reconhecimento de padrões em imagens como bordas, texturas e diversas formas de diferentes
objetos, independentemente da posição e de onde os objetos estão localizados, sendo possı́vel
ser feitas uma gama de tarefas, como também detectar e segmentar de imagens e por fim,
classificá-[Link] a técnica de Transfer Learning a tarefa de extrair caracterı́sticas fica a cargo
da reutilização das camadas convolucionais de grandes redes pré treinadas e mais profundas,
e em seguida ligadas a camadas densas feitas localmente para a realizando a classificação,
aumentando assim a performance, diminuindo tempo de treinamento e ainda melhorando a
capacidade de generalização dos modelos de aprendizado profundo.
2.3 Hardware e Software Utilizados no Experimento
No experimento foi utilizado um notebook da marca Acer, linha PREDATOR com 16GB de
RAM ddr 5, disco SSD de 512 gb com placa gráfica NVIDIA Geforce 2060, com suporte
a tecnologia de processamento paralelo da NVIDIA, responsável por agilizar as tarefa de
treinamento dos modelos de Deep Learning. O PyTorch, que é uma biblioteca de código aberto
para aprendizado de máquina em Python, desenvolvida e mantida pelo laboratório de pesquisa
de IA do Facebook (FAIR) em 2016, utilizada principalmente para visão computacional e
processamento de imagens, graças à capacidade de acelerar operações na GPU, aproveitando
toda a potência do hardware utilizado.
Anais do I MCSM – Modelagem Computacional do Sertão Mineiro - 2024
I MCSM
15 a 16 de agosto de 2024
3. RESULTADOS
A partir dos resultados apresentados na Tabela 1, é possı́vel perceber que as redes neurais
profundas foram capazes de identificar bem as distintas classes de doenças, de forma superior
as plantas sadias, o que mostra a potencialidade de uso da abordagem proposta. Para os
experimentos, os valores de hyper parâmetros usados foram: Bath Size de tamanho 16, função
custo: CrossEntropyLoss(), com otimizador SGD contendo a taxa de aprendizagem = 0,001 e
momentum = 0,009.
Tabela 1: Resultado das métricas para avaliação do modelo em cada classe de doenças/pragas.
Métricas Classes Alvo
Bicho Mineiro Planta sadia Ácaro Vermelho
Acurácia 93,30% 91,10% 93,30%
Precisão 91,00% 91,00% 95,00%
Recall 93,00% 91,00% 93,00%
F1-Score 92,00% 91,00% 94,00%
Acurácia Global: 92,60%
4. CONCLUSÃO
Este trabalho alcançou resultados significativos de acurácia geral, fato que mostra a
viabilidade da aplicação de técnicas de aprendizado profundo para a classificação de imagens
de folhas de cafeeiro, com o objetivo de auxiliar na detecção e controle de pragas. Desta forma,
uma possı́vel automatização do processo de identificação de doenças oferecerá um diagnóstico
mais rápido e preciso, permitindo intervenções mais eficazes e oportunas, contribuindo para a
redução de perdas na produção e o aumento da rentabilidade.
Acknowledgements
Os autores agradecem a FAPEMIG, CNPq, e CAPES.
Referências
BROWNLEE, J Deep learning for computer vision: image classification, object detection, and face
recognition in python. Machine Learning Mastery. 2019
CARVALHO, A. Distribuição geográfica e classificação botânica do gênero Coffea com referência
especial à espécie Arábica. Separata dos boletins da superintendência de serviços de café Campinas,
SP: IAC, dez. 1945 a abr. 1946.
CHOLLET, FrancoisDeep learning with Python. Simon and Schuster, 2021
FERNANDES, Luı́s Clá[Link]̂nia geoenvironmental atlas, SEDAM, 2020.
FERRÃO, M. A. G.; FERRÃO, R. G.; DA FONSECA, A. F. A.; FILHO, A. C.; VOLPI, P. [Link],
Dispersão Geográfica, Taxonomia e Diversidade Genética de Coffea canephora. 2° ed. atual. e
ampliada. 2° reimpressão, Vitória, ES: Incaper, 2017.
LEIJNEN, Stefan; VEEN, Fjodor [Link] neural network zoo. Multidisciplinary Digital Publishing
Institute Proceedings, 2020.
Anais do I MCSM – Modelagem Computacional do Sertão Mineiro - 2024
Item 2 – CUMPRIMENTO DAS ATIVIDADES ESPECÍFICAS DO CARGO
SubItem 2.1.9 – Coordena, participa de eventos e comissões relativas ao Ensino, Pesquisa
ou Extensão; de Colegiados, Câmaras, Comitês e Núcleos Docente Estruturantes do
IFNMG;
• Colegiado do curso Bacharelado em Sistemas de Informação;
• Colegiado do curso Técnico em Informática;
• Avaliação de Projetos de ensino;
• Bolsa Monitoria;
• Comissão Disciplinar Discente;
• Subcomissão da Comissão Permanente de Pessoal Docente (sCPPD);
• COMISSÃO PERMANENTE DE DESENVOLVIMENTO ENEM;
• Responsável pelo Estagio do Curso Bacharelado em Sistemas de Informação;
• Responsável pelo acompanhamento das atividades complementares do curso
Bacharelado em Sistemas de Informação;
• Reestruturação do PPC do Curso Bacharelado em Sistemas de Informação 2023;
• Reestruturação do PPC do Curso Técnico Integrado ao Ensino Médio 2023;
• Simposio de Sistemas de Informação 2023 e 2024;
• Comissão do evento de Interculturalidade 2023;
• Semana nacionla de Ciência e Tecnologia 2024;
SEI/IFNMG - 2034068 - Declaração [Link]
Ministério da Educação
Secretaria de Educação Profissional e Tecnológica
Instituto Federal do Norte de Minas Gerais
DECLARAÇÃO
Declaro, como Coordenador(a) dos Cursos do Eixo Tecnológico,
Informação e Comunicação e Presidente do Colegiado, para os devidos fins, que os
nomes abaixo citados participaram com afinco das atividades e/ou reuniões do
Colegiado deste curso, durante o primeiro semestre letivo de 2024.
Celso Antônio da Silveira
Adriana Fátima de Lima
Danilo Silveira Martins
Ednília Nascimento Cruz
Willian Antônio Gonçalves
Nestor Flaviano Madureira Barbosa
Vivian Lopes de Melo
Jussara Gomes da Cruz
Arinos, 22 de outubro de 2024
Eude Soares de Lacerda
Presidente do Colegiado
Documento assinado eletronicamente por Eude Soares de Lacerda, Membro do
Colegiado, em 22/10/2024, às 08:46, conforme horário oficial de Brasília, com
fundamento no § 3º do art. 4º do Decreto nº 10.543, de 13 de novembro de 2020.
A autenticidade deste documento pode ser conferida no site [Link]
sei/controlador_externo.php?
acao=documento_conferir&id_orgao_acesso_externo=0, informando o código
verificador 2034068 e o código CRC B2766C96.
1 of 2 22/10/2024, 08:47
SEI/IFNMG - 2034068 - Declaração [Link]
Referência: Processo nº 23392.001365/2020-42 SEI nº 2034068
2 of 2 22/10/2024, 08:47
02/12/2024, 14:16 SEI/IFNMG - 2074699 - Declaração
Ministério da Educação
Secretaria de Educação Profissional e Tecnológica
Instituto Federal do Norte de Minas Gerais
DECLARAÇÃO
Declaramos, para os devidos fins, que os servidores abaixo relacionados participaram das
atividades desenvolvidas pela Comissão Permanente Disciplinar Discente no âmbito do IFNMG -
Campus Arinos (Portaria 215), no primeiro semestre de 2024.
Cíntia Lima Pereira
Silvana Barbosa Pereira
Aélcio Vander dos Santos
Claudianne Myllene Morais de Almeida
Cyrlene Rita dos Santos
Edna Aparecida Andrade Armond
Messulan Rodrigues Meira
Nestor Flaviano Madureira Barbosa
Túlio Gabriel Soares Oliveira
Arinos, 29 de novembro de 2024
Cíntia Lima Pereira
Presidente da Comissão Disciplinar Discente - Campus Arinos
Documento assinado eletronicamente por Cintia Lima Pereira, Presidente da Comissão Disciplinar
Discente, em 01/12/2024, às 09:05, conforme horário oficial de Brasília, com fundamento no § 3º do
art. 4º do Decreto nº 10.543, de 13 de novembro de 2020.
Documento assinado eletronicamente por Silvana Barbosa Pereira, Membro da Comissão Disciplinar
Discente, em 02/12/2024, às 14:04, conforme horário oficial de Brasília, com fundamento no § 3º do
art. 4º do Decreto nº 10.543, de 13 de novembro de 2020.
A autenticidade deste documento pode ser conferida no site
[Link]
acao=documento_conferir&id_orgao_acesso_externo=0, informando o código verificador 2074699 e
o código CRC 6CCBBB7D.
[Link] 1/2
02/12/2024, 14:16 SEI/IFNMG - 2074699 - Declaração
Referência: Processo nº 23392.001700/2024-36 SEI nº 2074699
Criado por [Link], versão 6 por [Link] em 29/11/2024 17:01:47.
[Link] 2/2
Ministério da Educação
Secretaria de Educação Profissional e Tecnológica
Instituto Federal do Norte de Minas Gerais
DECLARAÇÃO
Declaramos, para os devidos fins, que os servidores Willian Antonio Gonçalves, Valdinice Ferreira da
Mota, Nestor Flaviano Madureira Barbosa e Marina Gomes Tavares, designados pela portaria nº 103/2023, na circunscrição
do Instituto Federal do Norte de Minas Gerais - Campus Arinos, realizaram as atividades no âmbito da competência
institucional da Subcomissão da Comissão Permanente de Pessoal Docente (sCPPD) do Campus Arinos, referentes ao 1º
semestre do ano de 2024. O referido é verdade e dou fé.
Arinos, 21 de janeiro de 2025
Willian Antonio Gonçalves
Presidente da sCPPD/ Arinos
Valdinice Ferreira da Mota
Vice-Presidente da sCPPD
Documento assinado eletronicamente por Willian Antonio Goncalves, Presidente da Subcomissão da Comissão
Permanente de Pessoal Docente, em 21/01/2025, às 10:55, conforme horário oficial de Brasília, com fundamento no § 3º
do art. 4º do Decreto nº 10.543, de 13 de novembro de 2020.
Documento assinado eletronicamente por Valdinice Ferreira da Mota, Vice-Presidente da Subcomissão da Comissão
Permanente de Pessoal Docente, em 21/01/2025, às 11:22, conforme horário oficial de Brasília, com fundamento no § 3º
do art. 4º do Decreto nº 10.543, de 13 de novembro de 2020.
A autenticidade deste documento pode ser conferida no site [Link]
acao=documento_conferir&id_orgao_acesso_externo=0, informando o código verificador 2122678 e o código CRC
9FEEDC0C.
Referência: Processo nº 23392.000005/2021-12 SEI nº 2122678
Ministério da Educação
Secretaria de Educação Profissional e Tecnológica
Instituto Federal do Norte de Minas Gerais
DECLARAÇÃO
Declaramos, para os devidos fins, que os servidores Willian Antonio Gonçalves, Valdinice Ferreira da
Mota, Nestor Flaviano Madureira Barbosa e Marina Gomes Tavares, designados pela portaria nº 103/2023, na circunscrição
do Instituto Federal do Norte de Minas Gerais - Campus Arinos, realizaram as atividades no âmbito da competência
institucional da Subcomissão da Comissão Permanente de Pessoal Docente (sCPPD) do Campus Arinos, referentes ao 2º
semestre do ano de 2023. O referido é verdade e dou fé.
Arinos, 21 de janeiro de 2025
Willian Antonio Gonçalves
Presidente da sCPPD/ Arinos
Valdinice Ferreira da Mota
Vice-Presidente da sCPPD
Documento assinado eletronicamente por Willian Antonio Goncalves, Presidente da Subcomissão da Comissão
Permanente de Pessoal Docente, em 21/01/2025, às 10:55, conforme horário oficial de Brasília, com fundamento no § 3º
do art. 4º do Decreto nº 10.543, de 13 de novembro de 2020.
Documento assinado eletronicamente por Valdinice Ferreira da Mota, Vice-Presidente da Subcomissão da Comissão
Permanente de Pessoal Docente, em 21/01/2025, às 11:22, conforme horário oficial de Brasília, com fundamento no § 3º
do art. 4º do Decreto nº 10.543, de 13 de novembro de 2020.
A autenticidade deste documento pode ser conferida no site [Link]
acao=documento_conferir&id_orgao_acesso_externo=0, informando o código verificador 2122672 e o código CRC
C6FF6B4E.
Referência: Processo nº 23392.000005/2021-12 SEI nº 2122672
Ministério da Educação
Secretaria de Educação Profissional e Tecnológica
Instituto Federal do Norte de Minas Gerais
DECLARAÇÃO
Declaramos, para os devidos fins, que os servidores Willian Antonio Gonçalves, Valdinice Ferreira da
Mota, Nestor Flaviano Madureira Barbosa e Marina Gomes Tavares, designados pela portaria nº 103/2023, na circunscrição
do Instituto Federal do Norte de Minas Gerais - Campus Arinos, realizaram as atividades no âmbito da competência
institucional da Subcomissão da Comissão Permanente de Pessoal Docente (sCPPD) do Campus Arinos, referentes ao 2º
semestre do ano de 2024. O referido é verdade e dou fé.
Arinos, 21 de janeiro de 2025
Willian Antonio Gonçalves
Presidente da sCPPD/ Arinos
Valdinice Ferreira da Mota
Vice-Presidente da sCPPD
Documento assinado eletronicamente por Willian Antonio Goncalves, Presidente da Subcomissão da Comissão
Permanente de Pessoal Docente, em 21/01/2025, às 11:39, conforme horário oficial de Brasília, com fundamento no § 3º
do art. 4º do Decreto nº 10.543, de 13 de novembro de 2020.
Documento assinado eletronicamente por Valdinice Ferreira da Mota, Vice-Presidente da Subcomissão da Comissão
Permanente de Pessoal Docente, em 21/01/2025, às 11:43, conforme horário oficial de Brasília, com fundamento no § 3º
do art. 4º do Decreto nº 10.543, de 13 de novembro de 2020.
A autenticidade deste documento pode ser conferida no site [Link]
acao=documento_conferir&id_orgao_acesso_externo=0, informando o código verificador 2122681 e o código CRC
FFA04179.
Referência: Processo nº 23392.000005/2021-12 SEI nº 2122681
Item 3 – APERFEIÇOAMENTO
SubItem 3.1.1 - participação em programa de pós-graduação
• Comprovante de Matricula do curso de PÓS-GRADUAÇÃO STRICTO SENSU EM
MODELAGEM COMPUTACIONAL E SISTEMAS - UNIMONTES ;
UNIVERSIDADE ESTADUAL DE MONTES CLAROS
Matrícula:100031358
Aluno(a): NESTOR FLAVIANO MADUREIRA BARBOSA
Data de matrícula: 17/01/2025 Período Letivo: 01-2025
Disciplinas matriculadas
Curso: A485 - PÓS-GRADUAÇÃO STRICTO SENSU EM MODELAGEM COMPUTACIONAL E SISTEMAS
Disciplinas Turma BLOCO DE DISCIPLINAS Turno Carga Horária
DISSERTAÇÃO IV - CONCLUSÃO PPGMCS 048504NU 4 NOTURNO 0
Total 0
________________________________________ ________________________________________
NESTOR FLAVIANO MADUREIRA BARBOSA UNIVERSIDADE ESTADUAL DE MONTES CLAROS
Montes Claros , 17 de Janeiro de 2025