Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/26481| Título: | Identificação de plantas de milho utilizando imagens aéreas obtidas por VANTs |
| Autor(es): | Salvadori, Enzo |
| Orientador(es): | Aires, Simone Bello Kaminski |
| Palavras-chave: | Agricultura de precisão Produtividade agrícola Processamento de imagens Aprendizado do computador Redes neurais (Computação) Precision farming Agricultural productivity Image processing Machine learning Neural networks (Computer science) |
| Data do documento: | 9-Dez-2020 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | SALVADORI, Enzo. Identificação de plantas de milho utilizando imagens aéreas obtidas por VANTs. 2020. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2020. |
| Resumo: | Agricultura de precisão é a área da agronomia que trabalha com recursos tecnológicos de precisão no manejo da lavoura que são utilizados para a gestão dos processos do cultivo e o seu georreferenciamento, com intuito de melhorar a produtividade geral da plantação, o que possibilita ao agricultor um monitoramento de sua produção de forma mais precisa e constante. Este trabalho se justifica uma vez que determinando o número de plantas de um cultivo, obtém-se uma informação que influencia diretamente na produtividade geral de uma plantação. Esta informação pode ser utilizada pelo agricultor de diversas maneiras como contornar a perda, caso o resultado seja extremamente prejudicial para o cultivo ou em casos não extremos identificar os fatores externos que podem ter afetado a produtividade do plantio e assim monitorar tal condição para reduzir a perda de produtividade em próximas plantações, além de poder calcular uma estimativa financeira do valor final da produção. Este trabalho apresenta um método para identificação e contagem de plantas de milho, que se consiste em utilizar técnicas de processamento de imagens e aprendizagem de máquina para treinar uma rede neural para identificar plantas de milho. A rede neural escolhida para os experimentos foi a RetinaNet, e utilizou no seu treinamento uma base de imagens gerada a partir de imagens aéreas que foram obtidas por um VANT. Essa base possui 3129 exemplos de rótulos que foram utilizados para o treinamento e validação, e 757 exemplos na base de teste. Os resultados obtidos no cálculo da métrica de precisão apresentaram bons valores comparados com a literatura, onde a análise foi feita por meio da base de teste, que conseguiu alcançar uma precisão de 99,0% e revocação de 97,6%. |
| Abstract: | Precision agriculture is the area of agronomy that works with precision technological resources in the management of crops that are used for the management of cultivation processes and their georeferencing, in order to improve the overall productivity of the plantation, which allows the farmer a monitoring your production more accurately and constantly. This work is justified since determining the number of plants in a crop, information is obtained that directly influences the overall productivity of a plantation. This information can be used by the farmer in several ways, such as circumventing the loss, if the result is extremely harmful to the crop or in non-extreme cases, to identify the external factors that may have affected the productivity of the plantation and thus monitor such condition to reduce the loss of productivity in upcoming plantations, in addition to being able to calculate a financial estimate of the final value of production. This work presents a method for the identification and counting of corn plants, which consists of using image processing techniques and machine learning to train a neural network to identify corn plants. The neural network chosen for the experiments was RetinaNet, and used in its training a base of images generated from aerial images that were obtained by a UAV. This base has 3129 examples of labels that were used for training and validation, and 757 examples in the test base. The results obtained in the calculation of the precision metric showed good values compared to the literature, where the analysis was made through the test base, which managed to achieve an accuracy of 99.0% and recall of 97.6%. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/26481 |
| Aparece nas coleções: | PG - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| identificacaomilhoimagensaereas.pdf | 2,31 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.