^aDepartamento de Sociologia Rural, Escola Superior de Desenvolvimento Rural, Universidade Eduardo Mondlane, Vilanculos, Moçambique.

^bDepartamento de Protecção Vegetal, Faculdade de Agronomia e Engenharia Florestal, Universidade Eduardo Mondlane, Maputo, Moçambique.

^cCentre of Excellence in Agri-food Systems and Nutrition - CEAFSN, Maputo, Mozambique.

O objetivo principal da pesquisa é contribuir para uma produção agrícola sustentável através do desenvolvimento de um algorítmo de Inteligência Artificial para a detecção precoce da BBTV (Banana Bunchy Top Virus) na cultura da banana (Musa sp.). Para o alcance deste objectivo, foram colectadas cerca de 2500 imagens de folhas infectadas pela BBTV, em plantas estratificadas em função do estágio de desenvolvimento. Os dados foram usados para a calibração, validação e estimativa de precisão de um algorítmo de Inteligência Artificial para a identificação da BBTV. Para o efeito, foi usada a ferramenta de anotação gráfica VGG Image Annotator para produzir máscaras nas folhas das plantas desenhando manualmente e rotulando polígonos irregulares seguindo os contornos da lesão na folha. Os dados foram divididos em dois sub-conjuntos, um para a calibração e o outro para a validação. A arquitectura básica de redes neurais usada para a calibração do algorítmo foi a MascRcnn, na linguagem Python, biblioteca Keras. Os resultados preliminares mostram que o modelo MaskRcnn atingiu uma média de 94.56% de precisão na identificação de plantas infectadas com a BBTV. Tendo sido possível através deste, gerar de forma precisa segmentações semânticas indicando as partes das folhas infectadas pela BBTV. Esta ferramenta pode ajudar os produtores e extensionistas no processo de tomada de decisão, reduzindo o risco de perdas de produção e aumentando a produtividade. O modelo será aprimorado e implementado em aplicativo móvel.

Palavras-Chave: Inteligência Artificial, MaskRcnn, BBTV, Produção da Banana.