Considerando o crescimento populacional, prevê-se a necessidade do aumento da produtividade das culturas. Contudo pragas e doenças são um grande obstáculo deste aumento. Por conseguinte, é importante desenvolver métodos tecnológicos que ultrapassem este obstáculo em culturas como as do tomate, que são valiosas fontes de vitaminas e minerais. Neste sentido, esta dissertação associou-se ao projeto europeu ANDANTE cujo objetivo é automaticamente prever o aparecimento de doenças e pestes com base em dados meteorológicos e de imagens de armadilhas de insetos, multiespectrais aéreas e de plantas ao nível do solo de plantações de tomate. Como tal, esta dissertação teve o objetivo de desenvolver quatro módulos que criam métricas, relativas aos dados, que potenciam a predição. Estabeleceu-se ainda o objetivo de realizar uma revisão de literatura para a sistematização do conhecimento existente, sendo publicado um artigo. Parte dos dados utilizados nesta dissertação foram providenciados por parceiros do ANDANTE. O primeiro módulo consistiu num sistema de informação web que otimiza o acesso e análise dos dados e a aplicabilidade dos restantes módulos. O segundo consistiu num modelo de deteção e contagem de insetos nas armadilhas cujo melhor resultado foi 94.4% de mAP_0.5 no YoloV5x. O terceiro consistiu na verificação, através de processamento de imagem, investigação e dados providenciados, dos índices de vegetação apropriados e adquiríveis. No quarto, devido às condições dos dados das imagens ao nível do solo utilizaram-se dados do PlantVillage para classificar a saúde de folhas de tomate utilizando-se transferência de conhecimento, sendo 98% de precisão no ResNet152V2 o melhor resultado.

Considering population growth, the need for increased crop productivity is expected. However diseases and pests are a major obstacle to this increase. Therefore, it is important to develop technological methods that overcome this obstacle in crops such as tomatoes, which are valuable sources of vitamins and minerals. This dissertation was associated with the European project ANDANTE whose objective is to automatically predict the appearance of diseases and pests based on meteorological data and insect traps images, aerial multispectral images and ground-level plant images of tomato crops. As such, this dissertation aimed to develop four modules that create metrics, relative to the data, that enhance the prediction. It was also established the objective of carrying out a literature review for the systematization of the existing knowledge, resulting in the publication of an article. Part of the data used in this dissertation was provided by ANDANTE partners. The first module consisted in an web information system that optimises data access and analysis and the applicability of the remaining modules. The second consisted of a model of detection and counting of insects in traps whose best result was 94.4% of mAP_0.5 on YoloV5x. The third consisted of verification, through image processing, investigation and provided data, of the appropriate and acquireable vegetation indices. In the fourth, due to the conditions of the ground level image data the PlantVillage data-set was used to classify the health of tomato leaves using transfer learning, with 98% accuracy in ResNet152V2 representing the best result.