SPCB (10. : 2019 : Vitória, ES) – Resumos Expandidos

URI permanente para esta coleçãohttps://thoth.dti.ufv.br/handle/123456789/12416

Navegar

Agora exibindo 1 - 2 de 2

Caracterização espacial de indices de vegetação índice relativo de clorofila em áreas de produção cafés especiais no sul de Minas Gerais
(Embrapa Café, 2019-10) Rodrigues, Gustavo Costa; Grego, Célia Regina; Luchiari, Ariovaldo; Speranza, Eduardo Antonio
A região sul do estado de Minas Gerais é grande produtora de café, principalmente daquele classificado como especial. Aspectos ambientais, entre outros fatores, interferem consideravelmente na produção desse tipo de café, envolvendo fatores como altitude e face de exposição do plantio ao sol. Este trabalho tem como objetivo avaliar a variabilidade espacial em áreas representativas de produção de café arábica (Coffea arabica) classificados como especiais do sul de Minas Gerais quanto aos índices vegetativos e de clorofila para identificar a existência de variabilidade espacial para aplicação da Agricultura de Precisão. Como resultado observou-se variabilidade espacial no NDVI, NDRE e IRC em todos os campos avaliados e trabalhos estão em andamento para estudar as correlações observadas com aspectos de produtividade e qualidade da bebida
Treinamento de algoritmo para identificação de mudas de café por meio de imagens aéreas
(Embrapa Café, 2019-10) Santana, Lucas Santos; Santos, Gabriel Henrique Ribeiro dos; Ferraz, Gabriel Araújo e Silva; Santos, Luana Mendes dos; Barbosa, Brenon Diennevan Souza; Bento, Nicole Lopes
Aplicação de sistemas computacionais na agricultura vem se tornando necessidade, para incrementos de produtividade. A cafeicultura é considerada um dos mais importantes ramos do agronegócio brasileiro, mas alguns pontos ainda podem ser melhorados. A contagem de mudas de café é feita manualmente a campo, considerada uma técnica que apresenta baixa agilidade principalmente em grandes plantações, causando perda de tempo e desconforto à pessoa encarregada por este trabalho. A utilização de tecnologias avançadas no campo surge no contexto da agricultura de precisão. Esta pesquisa tem como intuito apresentar treinamento de um algoritmo para contagem automática de mudas de cafeeiros a partir de imagens obtidas por veículo aéreo não tripulado (VANT). O algoritmo desenvolvido é baseado numa rede neural artificial do tipo convolucional (RNC). A pesquisa foi realizada em uma área experimental de café em 2 estágios 3 e 6 totalizando 0,4 hectares no município de Bom Sucesso MG. Para a coleta das imagens foi utilizado um veículo aéreo não tripulado (VANT) modelo phanton 4, com capacidade de coletar imagens na composição Red Blue e Green (RGB). Os voos foram feitos com 30 metros de altura, velocidade de 3 m/s, sobreposição frontal e lateral de 80%. Para a criação do ortomosaico as imagens foram processadas no software Agisoft Photoscan e posteriormente tratadas no software Arcgis 10.2. Em seguida foi submetido a fase de treinamento, para a detecção automática das mudas no ortomosaico. Primeiramente foi necessário a criação de um banco de dados, com a finalidade de treinar e validar a rede neural YOLO (You Only Look Once). Após o treinamento foi utilizada a técnica de usar pequenos recortes de uma imagem se chama janelamento, na qual foram realizados 762 recortes. As imagens usadas para o treino da rede neural são distintas das imagens usadas para validação para assim o software demostrar o aprendizado. Os resultados apresentados em plantas de 3 meses não foram satisfatórios, pois ocorreu confusão na identificação entre mudas e plantas daninhas e sombras. Nas imagens de 6 meses foi observado melhor desempenho na identificação por meio de treinamento de algoritmos. A partir do treinamento de algoritmo por meio de aprendizado foi possível detectar mudas de cafeeiros a campo. Portanto para um refinamento e maior precisão do algoritmo é necessário o treinamento em diversas áreas e cultivares diferentes.