Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFGD |
Texto Completo: | http://repositorio.ufgd.edu.br/jspui/handle/prefix/5837 |
Resumo: | A agricultura de precisão utiliza tecnologias avançadas que, através da coleta e análise de dados, permite ao agricultor fazer o melhor manejo na tomada de decisão, com a finalidade de maior produção e redução de custos. O uso de VANT - Veículo aéreo não tripulado na agricultura tem se tornado cada dia mais comum, e pode trazer muitos benefícios para a indústria agrícola. Permite o monitoramento e análise das lavouras, com alta precisão e rapidez. Possibilita acompanhar o desenvolvimento das culturas, identificar pragas e doenças, coletando dados por meio de sensores e imagens de câmeras. Estes dados e imagens, quando analisados por softwares específicos, permitem a identificação das áreas de um talhão que apresentem algum problema no estabelecimento da cultura. Objetivou-se avaliar área de um talhão agrícola por meio de imagens, no espectro visível (RGB), feitas com drone, gerando índices de vegetação e classificação das imagens na identificação de falhas no estabelecimento da soja. Foram empregadas imagens adquiridas por meio de drones, e através de técnicas de geoprocessamento, um ortomosaico foi criado. Isso permitiu a integração dessas imagens no software QGIS, no qual diversos índices como GLI, NGDRI e RI, que possuem relação com a vegetação, foram calculados. Posteriormente, as imagens foram submetidas a processos de classificação supervisionada e limiarização binária. Essa abordagem possibilitou o cálculo do coeficiente Kappa, o qual foi empregado para avaliar a precisão do método e para identificar áreas nos talhões onde ocorreu o amassamento das plantas e falhas. A combinação de índices GLI e RI fornece análise mais consistente e precisa em comparação com a combinação GLI e NGRDI, conforme refletido pelos coeficientes Kappa e pelas porcentagens de acertos. Considerando os métodos de Limiarização Binária podese observar que foram eficientes, principalmente máximo/mínimo ou três vezes o desvio padrão quando comparado ao algoritmo Random Forest. Podendo assim identificar com clareza as falhas provenientes no desenvolvimento da cultura e rastros de amassamento advindos da aplicação de defensivos agrícolas no talhão de estudo. |
id |
UFGD-2_1aa0923079560af1847de52aa53c65d8 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufgd.edu.br/jspui:prefix/5837 |
network_acronym_str |
UFGD-2 |
network_name_str |
Repositório Institucional da UFGD |
repository_id_str |
2116 |
spelling |
Cortez, Jorge Wilson0000-0003-1120-719Xhttp://lattes.cnpq.br/8920734890600057Anamari Viegas Araújo, Motomiya0000-0003-2170-8676http://lattes.cnpq.br/0119921893319093Roberto Carlos, Orlando0000-0003-4802-7803http://lattes.cnpq.br/2228913986955678http://lattes.cnpq.br/0288139868306897Simas, Gabriel Hernandes Nunes2024-01-24T21:53:10Z2023-08-302024-01-24T21:53:10Z2023-08-25SIMAS, G. H. N. Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja. 2023. 35 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Agrícola) – Faculdade de Ciências Agrárias, Universidade Federal da Grande Dourados, Dourados, MS, 2023.http://repositorio.ufgd.edu.br/jspui/handle/prefix/5837A agricultura de precisão utiliza tecnologias avançadas que, através da coleta e análise de dados, permite ao agricultor fazer o melhor manejo na tomada de decisão, com a finalidade de maior produção e redução de custos. O uso de VANT - Veículo aéreo não tripulado na agricultura tem se tornado cada dia mais comum, e pode trazer muitos benefícios para a indústria agrícola. Permite o monitoramento e análise das lavouras, com alta precisão e rapidez. Possibilita acompanhar o desenvolvimento das culturas, identificar pragas e doenças, coletando dados por meio de sensores e imagens de câmeras. Estes dados e imagens, quando analisados por softwares específicos, permitem a identificação das áreas de um talhão que apresentem algum problema no estabelecimento da cultura. Objetivou-se avaliar área de um talhão agrícola por meio de imagens, no espectro visível (RGB), feitas com drone, gerando índices de vegetação e classificação das imagens na identificação de falhas no estabelecimento da soja. Foram empregadas imagens adquiridas por meio de drones, e através de técnicas de geoprocessamento, um ortomosaico foi criado. Isso permitiu a integração dessas imagens no software QGIS, no qual diversos índices como GLI, NGDRI e RI, que possuem relação com a vegetação, foram calculados. Posteriormente, as imagens foram submetidas a processos de classificação supervisionada e limiarização binária. Essa abordagem possibilitou o cálculo do coeficiente Kappa, o qual foi empregado para avaliar a precisão do método e para identificar áreas nos talhões onde ocorreu o amassamento das plantas e falhas. A combinação de índices GLI e RI fornece análise mais consistente e precisa em comparação com a combinação GLI e NGRDI, conforme refletido pelos coeficientes Kappa e pelas porcentagens de acertos. Considerando os métodos de Limiarização Binária podese observar que foram eficientes, principalmente máximo/mínimo ou três vezes o desvio padrão quando comparado ao algoritmo Random Forest. Podendo assim identificar com clareza as falhas provenientes no desenvolvimento da cultura e rastros de amassamento advindos da aplicação de defensivos agrícolas no talhão de estudo.Precision agriculture uses advanced technologies that, through data collection and analysis, allow the farmer to make the best decisionmaking management, with the aim of greater production and cost reduction. The use of UAV - Unmanned Aerial Vehicle in agriculture has become more and more common, and can bring many benefits to the agricultural industry. Allows the monitoring and analysis of crops, with high precision and speed. It makes it possible to monitor the development of crops, identify pests and diseases, collecting data through sensors and camera images. These data and images, when analyzed by specific software, allow the identification of areas of a plot that present a problem in the establishment of the crop. The objective was to evaluate the area of an agricultural plot through images, in the visible spectrum (RGB), taken with a drone, generating vegetation indexes and classification of images in the identification of failures in the establishment of soybeans. Images acquired by drones were used, and through geoprocessing techniques, an orthomosaic was created. This allowed the integration of these images in the QGIS software, in which several indices such as GLI, NGDRI and RI, which are related to vegetation, were calculated. Subsequently, the images were submitted to supervised classification and binary thresholding processes. This approach enabled the calculation of the Kappa coefficient, which was used to assess the accuracy of the method and to identify areas in the stands where plant crushing and faults occurred. Combining GLI and RI indices provides more consistent and accurate analysis compared to combining GLI and NGRDI, as reflected by Kappa coefficients and percentages of hits. Considering the Binary Threshold methods, it can be observed that they were efficient, mainly maximum/minimum or three times the standard deviation when compared to the Random Forest algorithm. Thus, being able to clearly identify the failures arising from the development of the crop and traces of crushing arising from the application of pesticides in the study plot.Submitted by Ivanir Martins de Souza (ivanirsouza@ufgd.edu.br) on 2024-01-24T21:53:10Z No. of bitstreams: 1 GabrielHernandesNunesSimas.pdf: 1316359 bytes, checksum: f25e0dcab0292c1695672ba1bdbddc0f (MD5)Made available in DSpace on 2024-01-24T21:53:10Z (GMT). No. of bitstreams: 1 GabrielHernandesNunesSimas.pdf: 1316359 bytes, checksum: f25e0dcab0292c1695672ba1bdbddc0f (MD5) Previous issue date: 2023-08-25porUniversidade Federal da Grande DouradosUFGDBrasilFaculdade de Ciências AgráriasCNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLADronesDronesTecnologiaTechnologyAgricultura de precisãoPrecision agricultureUso de imagens aéreas com drones para identificação de falhas no estabelecimento da sojaUse of aerial images with drones to identify failures in soybean establishmentinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFGDinstname:Universidade Federal da Grande Dourados (UFGD)instacron:UFGDTEXTGabrielHernandesNunesSimas.pdf.txtGabrielHernandesNunesSimas.pdf.txtExtracted texttext/plain56265https://repositorio.ufgd.edu.br/jspui/bitstream/prefix/5837/3/GabrielHernandesNunesSimas.pdf.txt9c42378320842a6f52b1024fe3c9c4c2MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81866https://repositorio.ufgd.edu.br/jspui/bitstream/prefix/5837/2/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD52ORIGINALGabrielHernandesNunesSimas.pdfGabrielHernandesNunesSimas.pdfapplication/pdf1316359https://repositorio.ufgd.edu.br/jspui/bitstream/prefix/5837/1/GabrielHernandesNunesSimas.pdff25e0dcab0292c1695672ba1bdbddc0fMD51prefix/58372024-01-25 01:12:07.124oai:https://repositorio.ufgd.edu.br/jspui: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ório InstitucionalPUBhttps://repositorio.ufgd.edu.br/jspui:8080/oai/requestopendoar:21162024-01-25T04:12:07Repositório Institucional da UFGD - Universidade Federal da Grande Dourados (UFGD)false |
dc.title.pt_BR.fl_str_mv |
Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja |
dc.title.alternative.pt_BR.fl_str_mv |
Use of aerial images with drones to identify failures in soybean establishment |
title |
Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja |
spellingShingle |
Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja Simas, Gabriel Hernandes Nunes CNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA Drones Drones Tecnologia Technology Agricultura de precisão Precision agriculture |
title_short |
Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja |
title_full |
Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja |
title_fullStr |
Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja |
title_full_unstemmed |
Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja |
title_sort |
Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja |
author |
Simas, Gabriel Hernandes Nunes |
author_facet |
Simas, Gabriel Hernandes Nunes |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Cortez, Jorge Wilson |
dc.contributor.advisor1ID.fl_str_mv |
0000-0003-1120-719X |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/8920734890600057 |
dc.contributor.referee1.fl_str_mv |
Anamari Viegas Araújo, Motomiya |
dc.contributor.referee1ID.fl_str_mv |
0000-0003-2170-8676 |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/0119921893319093 |
dc.contributor.referee2.fl_str_mv |
Roberto Carlos, Orlando |
dc.contributor.referee2ID.fl_str_mv |
0000-0003-4802-7803 |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/2228913986955678 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/0288139868306897 |
dc.contributor.author.fl_str_mv |
Simas, Gabriel Hernandes Nunes |
contributor_str_mv |
Cortez, Jorge Wilson Anamari Viegas Araújo, Motomiya Roberto Carlos, Orlando |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA |
topic |
CNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA Drones Drones Tecnologia Technology Agricultura de precisão Precision agriculture |
dc.subject.por.fl_str_mv |
Drones Drones Tecnologia Technology Agricultura de precisão Precision agriculture |
description |
A agricultura de precisão utiliza tecnologias avançadas que, através da coleta e análise de dados, permite ao agricultor fazer o melhor manejo na tomada de decisão, com a finalidade de maior produção e redução de custos. O uso de VANT - Veículo aéreo não tripulado na agricultura tem se tornado cada dia mais comum, e pode trazer muitos benefícios para a indústria agrícola. Permite o monitoramento e análise das lavouras, com alta precisão e rapidez. Possibilita acompanhar o desenvolvimento das culturas, identificar pragas e doenças, coletando dados por meio de sensores e imagens de câmeras. Estes dados e imagens, quando analisados por softwares específicos, permitem a identificação das áreas de um talhão que apresentem algum problema no estabelecimento da cultura. Objetivou-se avaliar área de um talhão agrícola por meio de imagens, no espectro visível (RGB), feitas com drone, gerando índices de vegetação e classificação das imagens na identificação de falhas no estabelecimento da soja. Foram empregadas imagens adquiridas por meio de drones, e através de técnicas de geoprocessamento, um ortomosaico foi criado. Isso permitiu a integração dessas imagens no software QGIS, no qual diversos índices como GLI, NGDRI e RI, que possuem relação com a vegetação, foram calculados. Posteriormente, as imagens foram submetidas a processos de classificação supervisionada e limiarização binária. Essa abordagem possibilitou o cálculo do coeficiente Kappa, o qual foi empregado para avaliar a precisão do método e para identificar áreas nos talhões onde ocorreu o amassamento das plantas e falhas. A combinação de índices GLI e RI fornece análise mais consistente e precisa em comparação com a combinação GLI e NGRDI, conforme refletido pelos coeficientes Kappa e pelas porcentagens de acertos. Considerando os métodos de Limiarização Binária podese observar que foram eficientes, principalmente máximo/mínimo ou três vezes o desvio padrão quando comparado ao algoritmo Random Forest. Podendo assim identificar com clareza as falhas provenientes no desenvolvimento da cultura e rastros de amassamento advindos da aplicação de defensivos agrícolas no talhão de estudo. |
publishDate |
2023 |
dc.date.available.fl_str_mv |
2023-08-30 2024-01-24T21:53:10Z |
dc.date.issued.fl_str_mv |
2023-08-25 |
dc.date.accessioned.fl_str_mv |
2024-01-24T21:53:10Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SIMAS, G. H. N. Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja. 2023. 35 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Agrícola) – Faculdade de Ciências Agrárias, Universidade Federal da Grande Dourados, Dourados, MS, 2023. |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufgd.edu.br/jspui/handle/prefix/5837 |
identifier_str_mv |
SIMAS, G. H. N. Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja. 2023. 35 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Agrícola) – Faculdade de Ciências Agrárias, Universidade Federal da Grande Dourados, Dourados, MS, 2023. |
url |
http://repositorio.ufgd.edu.br/jspui/handle/prefix/5837 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal da Grande Dourados |
dc.publisher.initials.fl_str_mv |
UFGD |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Faculdade de Ciências Agrárias |
publisher.none.fl_str_mv |
Universidade Federal da Grande Dourados |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFGD instname:Universidade Federal da Grande Dourados (UFGD) instacron:UFGD |
instname_str |
Universidade Federal da Grande Dourados (UFGD) |
instacron_str |
UFGD |
institution |
UFGD |
reponame_str |
Repositório Institucional da UFGD |
collection |
Repositório Institucional da UFGD |
bitstream.url.fl_str_mv |
https://repositorio.ufgd.edu.br/jspui/bitstream/prefix/5837/3/GabrielHernandesNunesSimas.pdf.txt https://repositorio.ufgd.edu.br/jspui/bitstream/prefix/5837/2/license.txt https://repositorio.ufgd.edu.br/jspui/bitstream/prefix/5837/1/GabrielHernandesNunesSimas.pdf |
bitstream.checksum.fl_str_mv |
9c42378320842a6f52b1024fe3c9c4c2 43cd690d6a359e86c1fe3d5b7cba0c9b f25e0dcab0292c1695672ba1bdbddc0f |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFGD - Universidade Federal da Grande Dourados (UFGD) |
repository.mail.fl_str_mv |
|
_version_ |
1798042107798093824 |