Deteção e identificação de doenças em plantas utilizando Deep Learning
Autor(a) principal: | |
---|---|
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 |