Treinamento de algoritmo para identificação de mudas de café por meio de imagens aéreas
dc.contributor.author | Santana, Lucas Santos | |
dc.contributor.author | Santos, Gabriel Henrique Ribeiro dos | |
dc.contributor.author | Ferraz, Gabriel Araújo e Silva | |
dc.contributor.author | Santos, Luana Mendes dos | |
dc.contributor.author | Barbosa, Brenon Diennevan Souza | |
dc.contributor.author | Bento, Nicole Lopes | |
dc.date.accessioned | 2021-01-18T17:37:03Z | |
dc.date.available | 2021-01-18T17:37:03Z | |
dc.date.issued | 2019-10 | |
dc.description | Trabalho apresentado no X Simpósio de Pesquisa dos Cafés do Brasil | pt_BR |
dc.description.abstract | 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. | pt_BR |
dc.format | 5 páginas | pt_BR |
dc.identifier.citation | SANTANA, L. S. et al. Treinamento de algoritmo para identificação de mudas de café por meio de imagens aéreas. In: SIMPÓSIO DE PESQUISA DOS CAFÉS DO BRASIL, 10., 2019, Vitória. Anais... Brasília, DF: Embrapa Café, 2019, 5 p. | pt_BR |
dc.identifier.issn | 1984-9249 | |
dc.identifier.uri | http://www.sbicafe.ufv.br/handle/123456789/12659 | |
dc.language.iso | pt_BR | pt_BR |
dc.publisher | Embrapa Café | pt_BR |
dc.subject | Agricultura de precisão | pt_BR |
dc.subject | ARP | pt_BR |
dc.subject | Visão computacional | pt_BR |
dc.subject | Plantio cafeeiro | pt_BR |
dc.subject.classification | Cafeicultura::Implantação e manejo da lavoura | pt_BR |
dc.title | Treinamento de algoritmo para identificação de mudas de café por meio de imagens aéreas | pt_BR |
dc.title.alternative | Algorithm training for coffee seedling identification by aerial images | pt_BR |
dc.type | Trabalho de Evento Cientifico | pt_BR |