UDTR Global Radar

UDTR Global Rights of Nature Radar

Documentary registry of records detected across the scholarly, legal and institutional infrastructures monitored by UDTR.

A global documentary infrastructure designed to achieve the broadest verifiable and scientifically defensible coverage of the Rights of Nature.

← Back to Radar

MODELO INTELIGENTE BASEADO EM APRENDIZADO FEDERADO E VISÃO COMPUTACIONAL COM DADOS SIMULADOS PARA O DIAGNÓSTICO DISTRIBUÍDO DE DOENÇAS DO CACAUEIRO EM COOPERATIVAS DA AMAZÔNIA LEGAL

Identification

Public canonical key
radar:r-cc3a7a120fc599791cee3e3eba1c106f
Authors
Wilker José Caminha dos Santos · Franco Feitosa Corrêa de Camargo · Ailson Renan Santos Picanço · Thiago Nicolau Magalhães de Souza Conte · Rogério Santiago Lopes · Rosemary Maria Pimentel Coutinho · Vitória Nazaré Costa Seixas · Elzelis Muller da Silva · Patrícia Danielle Lima de Lima
Reported year
2026
Reported language
pt
Source type
article
First detected
2026-11-13T12:49:50.828517+00:00
Last metadata observation
2026-11-13T12:49:50.828517+00:00
Last HTTP verification
Not checked

Institutions reported by the source

Instituto Federal de Educação, Ciência e Tecnologia do Pará

Reported affiliation countries

BR

Documentary abstract — original language

O diagnóstico precoce de doenças do cacaueiro é crucial para a sustentabilidade agrícola na Amazônia Legal, porém esbarra em desafios logísticos e na centralização de dados sensíveis por parte das cooperativas. Este estudo propõe e avalia uma arquitetura inteligente que integra Aprendizado Federado e Visão Computacional, utilizando dados simulados, para o diagnóstico distribuído dessas doenças. A metodologia abrangeu uma Revisão Sistemática da Literatura guiada pelo protocolo PRISMA para fundamentar a arquitetura, seguida pelo desenvolvimento de um ambiente de simulação com 12.000 imagens sintéticas reproduzindo o cenário cross-silo de cinco cooperativas. Foram comparados os regimes de treinamento local, centralizado e federado (FedAvg e FedProx) utilizando redes convolucionais leves (MobileNetV3, EfficientNet-B0 e ResNet50). Os resultados demonstram que a combinação de EfficientNet-B0 com o algoritmo FedProx obteve o melhor equilíbrio, alcançando 93,8% de acurácia e 93,3% de F1-macro. Essa configuração superou amplamente o treinamento local isolado e aproximou-se do desempenho do modelo centralizado, com a vantagem arquitetural de manter a custódia e a soberania dos dados nas cooperativas. Conclui-se que a abordagem federada proposta é viável e eficaz para ambientes operacionais com restrições de infraestrutura, promovendo a identificação descentralizada de patologias sem comprometer a privacidade das informações agronômicas.

Identifiers

OPENALEX
https://openalex.org/W7168346002
DOI
10.18623/rvd.v23.7511

Documentary context

Documentary family
article
Source-reported types
article
Publishers
Editora Dom Helder

Entity mentions are not evidence of legal recognition. Jurisdiction studied is separate from author affiliation country.

Sources

OpenAlex · Record 1

Cite this reference

Wilker José Caminha dos Santos; Franco Feitosa Corrêa de Camargo; Ailson Renan Santos Picanço; Thiago Nicolau Magalhães de Souza Conte; Rogério Santiago Lopes; Rosemary Maria Pimentel Coutinho; Vitória Nazaré Costa Seixas; Elzelis Muller da Silva; Patrícia Danielle Lima de Lima. MODELO INTELIGENTE BASEADO EM APRENDIZADO FEDERADO E VISÃO COMPUTACIONAL COM DADOS SIMULADOS PARA O DIAGNÓSTICO DISTRIBUÍDO DE DOENÇAS DO CACAUEIRO EM COOPERATIVAS DA AMAZÔNIA LEGAL. 2026. https://doi.org/10.18623/rvd.v23.7511

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690: bibliographic formats using available fields. OSCOLA / Bluebook: structured data only; full legal citation compliance is not claimed without verification of required elements.

APA
Wilker José Caminha dos Santos; Franco Feitosa Corrêa de Camargo; Ailson Renan Santos Picanço; Thiago Nicolau Magalhães de Souza Conte; Rogério Santiago Lopes; Rosemary Maria Pimentel Coutinho; Vitória Nazaré Costa Seixas; Elzelis Muller da Silva; Patrícia Danielle Lima de Lima. (2026). MODELO INTELIGENTE BASEADO EM APRENDIZADO FEDERADO E VISÃO COMPUTACIONAL COM DADOS SIMULADOS PARA O DIAGNÓSTICO DISTRIBUÍDO DE DOENÇAS DO CACAUEIRO EM COOPERATIVAS DA AMAZÔNIA LEGAL. https://doi.org/10.18623/rvd.v23.7511
Chicago
Wilker José Caminha dos Santos; Franco Feitosa Corrêa de Camargo; Ailson Renan Santos Picanço; Thiago Nicolau Magalhães de Souza Conte; Rogério Santiago Lopes; Rosemary Maria Pimentel Coutinho; Vitória Nazaré Costa Seixas; Elzelis Muller da Silva; Patrícia Danielle Lima de Lima. MODELO INTELIGENTE BASEADO EM APRENDIZADO FEDERADO E VISÃO COMPUTACIONAL COM DADOS SIMULADOS PARA O DIAGNÓSTICO DISTRIBUÍDO DE DOENÇAS DO CACAUEIRO EM COOPERATIVAS DA AMAZÔNIA LEGAL. 2026. https://doi.org/10.18623/rvd.v23.7511
ISO 690
Wilker José Caminha dos Santos; Franco Feitosa Corrêa de Camargo; Ailson Renan Santos Picanço; Thiago Nicolau Magalhães de Souza Conte; Rogério Santiago Lopes; Rosemary Maria Pimentel Coutinho; Vitória Nazaré Costa Seixas; Elzelis Muller da Silva; Patrícia Danielle Lima de Lima. MODELO INTELIGENTE BASEADO EM APRENDIZADO FEDERADO E VISÃO COMPUTACIONAL COM DADOS SIMULADOS PARA O DIAGNÓSTICO DISTRIBUÍDO DE DOENÇAS DO CACAUEIRO EM COOPERATIVAS DA AMAZÔNIA LEGAL. 2026. https://doi.org/10.18623/rvd.v23.7511

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR Global Rights of Nature Legal Library. MODELO INTELIGENTE BASEADO EM APRENDIZADO FEDERADO E VISÃO COMPUTACIONAL COM DADOS SIMULADOS PARA O DIAGNÓSTICO DISTRIBUÍDO DE DOENÇAS DO CACAUEIRO EM COOPERATIVAS DA AMAZÔNIA LEGAL. Documentary record: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-cc3a7a120fc599791cee3e3eba1c106f/ · Last HTTP verification: not performed

Report a correction

Frozen-version metadata

Research dossiers and documentary relations

Source roles

Bibliographic / original publication source · https://doi.org/10.18623/rvd.v23.7511

An authority link alone does not verify a legal claim. Abstracts and full texts remain subject to their source terms.

Documentary status

Relevance pending

Library

This identity is not yet included in the Legal Library.

UDTR Global Rights of Nature Legal Library