Deteção e identificação de doenças em plantas utilizando Deep Learning

Detalhes bibliográficos
Autor(a) principal: Bento, Daniel Carlos Pires Garcia Costa
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.22/15480
Resumo: A automação de trabalho é hoje em dia, uma prática cada vez mais recorrente em diversas áreas, pois permite diminuir a necessidade de mão de obra e muitas vezes melhorar os erros inerentes ao fator humano. A deteção de doenças em plantas hoje em dia ocorre pela via tradicional, onde é necessário o trabalho de um técnico especializado, que inspeciona e emite um parecer sobre a possível patologia. Este processo leva a uma serie de problemas. Nesta dissertação, será apresentada uma solução capaz de auxiliar o trabalho de um profissional, utilizando técnicas de Deep Learning, nomeadamente recorrendo a Convolutional Neural Networks para auxiliar na detenção de patologias, de forma a providenciar um diagnostico atempado, sugerindo também tratamentos caso a patologia os necessite.
id RCAP_409c3e33a2c2132cc5ed5dbf748a037c
oai_identifier_str oai:recipp.ipp.pt:10400.22/15480
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Deteção e identificação de doenças em plantas utilizando Deep LearningAutomaçãoDeep LearningConvolutional Neural NetworksDoenças em PlantasAutomationPlant diseaseA automação de trabalho é hoje em dia, uma prática cada vez mais recorrente em diversas áreas, pois permite diminuir a necessidade de mão de obra e muitas vezes melhorar os erros inerentes ao fator humano. A deteção de doenças em plantas hoje em dia ocorre pela via tradicional, onde é necessário o trabalho de um técnico especializado, que inspeciona e emite um parecer sobre a possível patologia. Este processo leva a uma serie de problemas. Nesta dissertação, será apresentada uma solução capaz de auxiliar o trabalho de um profissional, utilizando técnicas de Deep Learning, nomeadamente recorrendo a Convolutional Neural Networks para auxiliar na detenção de patologias, de forma a providenciar um diagnostico atempado, sugerindo também tratamentos caso a patologia os necessite.Work automation is nowadays an increasingly recurring practice in many areas, as it reduces the need for manpower and often improves the inherent errors of the human factor. The detection of diseases in plants today occurs in the traditional way, where it is necessary for the work of a specialized technician, who inspects and gives an opinion on the possible pathology. This process leads to several problems. In this dissertation, a solution will be presented that can assist the work of a professional, using Deep Learning techniques, namely using Convolutional Neural Networks to assist in the detection of pathologies, to provide a timely diagnosis, also suggesting treatments if the pathology causes need it.Rodrigues, Maria de Fátima CoutinhoRepositório Científico do Instituto Politécnico do PortoBento, Daniel Carlos Pires Garcia Costa2020-02-17T14:56:48Z20192019-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/15480TID:202342603porinfo: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:RCAAP2023-03-13T12:59:35Zoai:recipp.ipp.pt:10400.22/15480Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:35:11.718484Repositório 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 Deteção e identificação de doenças em plantas utilizando Deep Learning
title Deteção e identificação de doenças em plantas utilizando Deep Learning
spellingShingle Deteção e identificação de doenças em plantas utilizando Deep Learning
Bento, Daniel Carlos Pires Garcia Costa
Automação
Deep Learning
Convolutional Neural Networks
Doenças em Plantas
Automation
Plant disease
title_short Deteção e identificação de doenças em plantas utilizando Deep Learning
title_full Deteção e identificação de doenças em plantas utilizando Deep Learning
title_fullStr Deteção e identificação de doenças em plantas utilizando Deep Learning
title_full_unstemmed Deteção e identificação de doenças em plantas utilizando Deep Learning
title_sort Deteção e identificação de doenças em plantas utilizando Deep Learning
author Bento, Daniel Carlos Pires Garcia Costa
author_facet Bento, Daniel Carlos Pires Garcia Costa
author_role author
dc.contributor.none.fl_str_mv Rodrigues, Maria de Fátima Coutinho
Repositório Científico do Instituto Politécnico do Porto
dc.contributor.author.fl_str_mv Bento, Daniel Carlos Pires Garcia Costa
dc.subject.por.fl_str_mv Automação
Deep Learning
Convolutional Neural Networks
Doenças em Plantas
Automation
Plant disease
topic Automação
Deep Learning
Convolutional Neural Networks
Doenças em Plantas
Automation
Plant disease
description A automação de trabalho é hoje em dia, uma prática cada vez mais recorrente em diversas áreas, pois permite diminuir a necessidade de mão de obra e muitas vezes melhorar os erros inerentes ao fator humano. A deteção de doenças em plantas hoje em dia ocorre pela via tradicional, onde é necessário o trabalho de um técnico especializado, que inspeciona e emite um parecer sobre a possível patologia. Este processo leva a uma serie de problemas. Nesta dissertação, será apresentada uma solução capaz de auxiliar o trabalho de um profissional, utilizando técnicas de Deep Learning, nomeadamente recorrendo a Convolutional Neural Networks para auxiliar na detenção de patologias, de forma a providenciar um diagnostico atempado, sugerindo também tratamentos caso a patologia os necessite.
publishDate 2019
dc.date.none.fl_str_mv 2019
2019-01-01T00:00:00Z
2020-02-17T14:56:48Z
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/10400.22/15480
TID:202342603
url http://hdl.handle.net/10400.22/15480
identifier_str_mv TID:202342603
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.format.none.fl_str_mv application/pdf
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_ 1799131443678412800

Registros relacionados