Agricultura inteligente, deteção inteligente de pragas em imagens

Detalhes bibliográficos
Autor(a) principal: Cardoso, Bruno António dos Santos Cabanas
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/96110
Resumo: Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
id RCAP_0d357e01b1f5e2db2d0255b005918efe
oai_identifier_str oai:estudogeral.uc.pt:10316/96110
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Agricultura inteligente, deteção inteligente de pragas em imagensAGRICULTURA INTELIGENTE DETEÇÃO INTELIGENTE DE PRAGAS EM IMAGENSArmadilhas amarelas pegajosasDeteção de objetosDeteção de pestesMosca-brancaVisão por computadorYellow stiky trapsObject detectionPest detectionWhiteflyComputer visionDissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e TecnologiaNo nosso dia-a-dia somos dependentes das plantas para nos alimentarmos, produzirmedicamentos, ou cosméticos. A quantidade e qualidade das plantas cultivadas é afetadapor pragas que restringem o crescimento de plantas e se propagam pelas plantaçõesagrícolas. A monitorização e controlo destas pragas são importantes para maximizar umaprodução agrícola de qualidade. Este controlo pode ser feito quimicamente, utilizandopesticidas, ou biologicamente, utilizando armadilhas para contabilizar a população dapraga e libertando insetos predadores para controlar essa população.O controlo de pragas, através da identificação de insetos presos em armadilhas, dependeda correta identificação da espécie dos insetos. A precisão com que se deteta e classifica otipo de inseto, ou seja o tipo de praga, é fundamental para evitar perdas em plantaçõesagrícolas. O âmbito deste estágio é o estudo e de métodos inteligentes para deteção depragas utilizando visão por computador e a implementação de vários modelos de deteçãode objetos para deteção da praga mosca-branca presa em armadilhas amarelas colocadasnuma plantação de tomate.O desenvolvimento da solução proposta passou pelo estudo da arquitetura de modelos dedeteção de objetos e de classificação de imagens, escolha e pré-processamento de umconjunto de dados contendo imagens de armadilhas com a praga mosca-branca, redução eaumento desse conjunto de dados, implementação de diferentes modelos de deteção deobjetos para deteção da praga mosca-branca, comparação do desempenho dos modelos,validação das deteções feitas pelos modelos e desenvolvimento de um protótipo. Oaumento do conjunto de dados foi feito em colaboração com um aluno de licenciatura queficou, sob minha orientação, responsável por gerar novas imagens de armadilhasutilizando transformações geométricas e gerar novas imagens de moscas-brancasutilizando redes adversárias generativas.O sistema proposto, para detetar moscas-brancas em armadilhas pegajosas amarelas,apresenta uma precisão até 89,7%. O seu desempenho é competitivo com o dos técnicosespecializados permitindo identificar a mosca-branca com elevada precisão, rapidamente enuma fase inicial do seu desenvolvimento. A validação, por parte dos técnicos, dasprevisões feitas confirmou que a solução proposta consegue detetar até 39,25% maismoscas-brancas do que os anotadores do conjunto de dados utilizado, com um tempomédio de deteção por imagem de 0,13 segundos.O protótipo desenvolvido permite demonstrar que é possível tornar acessível a deteção damosca-branca, utilizando visão por computador, através do upload de imagens existentesou utilizando a câmara do dispositivo para obter uma deteção imediata.On a daily basis we are dependent on plants to eat, do photosynthesis, or producemedicines and cosmetics. The quantity and quality of these cultivated plants is affected bypests that restrict their growth and spread through agricultural crops. Thus, monitoringand control these pests is essential to maximize the quality of agricultural production. Thiscontrol can be done chemically (through pesticides) or biologically (counting the pestpopulation in traps and releasing predatory insects to control that population).Biological pest control, through the identification of insects in traps, depends on theidentification of their species. Thus, the precision with which it detects and classifies thetype of insect, that is, the type of pest, is fundamental to avoid crop losses.The objectives of this internship are the study of intelligent methods for pest detectionusing computer vision and the implementation of a pest detection model for detection ofwhiteflies in yellow sticky traps placed in a tomato crop.The development of the proposed solution involved the study of the architecture of objectdetection and image classification models, choice and pre-processing of a datasetcontaining images of yellow stiky traps, dataset reduction and dataset augmentation,implement different object detection models for whitefly detection, comparison of modelperformance, validation of the detections made by the models and development of aprototype. The dataset augmentation was done in collaboration with a graduate studentwho was, under my guidance, responsible for generating new images of traps usinggeometric transformations and new images of whiteflies using generative adversarynetworks.The proposed system, to detect whiteflies on yellow sticky traps, is competitive with theperformance of technicians, allowing to identify the whitefly with high precision, quicklyand at a earliest stage of its development. The validation, by the technicians, of thepredictions made by the object detection models, confirmed that the proposed solution candetect up to 39.25% more whiteflies than the data set annotators with an average imagedetection time of 0.13 seconds.The prototype allows to demonstrate that it is possible to easily use computer vision todetect whiteflies, by uploading existing images or using the device's camera to obtainimmediate detection.Universidade de Coimbra - Bolsa de iniciação à investigação no âmbito do projeto "Intelligent detection of plant pests in images".2021-07-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/96110http://hdl.handle.net/10316/96110TID:202778070porCardoso, Bruno António dos Santos Cabanasinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-03-15T14:23:31Zoai:estudogeral.uc.pt:10316/96110Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:14:27.397290Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Agricultura inteligente, deteção inteligente de pragas em imagens
AGRICULTURA INTELIGENTE DETEÇÃO INTELIGENTE DE PRAGAS EM IMAGENS
title Agricultura inteligente, deteção inteligente de pragas em imagens
spellingShingle Agricultura inteligente, deteção inteligente de pragas em imagens
Cardoso, Bruno António dos Santos Cabanas
Armadilhas amarelas pegajosas
Deteção de objetos
Deteção de pestes
Mosca-branca
Visão por computador
Yellow stiky traps
Object detection
Pest detection
Whitefly
Computer vision
title_short Agricultura inteligente, deteção inteligente de pragas em imagens
title_full Agricultura inteligente, deteção inteligente de pragas em imagens
title_fullStr Agricultura inteligente, deteção inteligente de pragas em imagens
title_full_unstemmed Agricultura inteligente, deteção inteligente de pragas em imagens
title_sort Agricultura inteligente, deteção inteligente de pragas em imagens
author Cardoso, Bruno António dos Santos Cabanas
author_facet Cardoso, Bruno António dos Santos Cabanas
author_role author
dc.contributor.author.fl_str_mv Cardoso, Bruno António dos Santos Cabanas
dc.subject.por.fl_str_mv Armadilhas amarelas pegajosas
Deteção de objetos
Deteção de pestes
Mosca-branca
Visão por computador
Yellow stiky traps
Object detection
Pest detection
Whitefly
Computer vision
topic Armadilhas amarelas pegajosas
Deteção de objetos
Deteção de pestes
Mosca-branca
Visão por computador
Yellow stiky traps
Object detection
Pest detection
Whitefly
Computer vision
description Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
publishDate 2021
dc.date.none.fl_str_mv 2021-07-12
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/96110
http://hdl.handle.net/10316/96110
TID:202778070
url http://hdl.handle.net/10316/96110
identifier_str_mv TID:202778070
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.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134042091683840

Registros relacionados