Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) field

Detalhes bibliográficos
Autor(a) principal: La Parola, Costanza Maria
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.5/29638
Resumo: Mestrado em Engenharia Agronómica. Universidade de Lisboa, Instituto Superior de Agronomia
id RCAP_6013b1f7990d97167c277e4912ba7d89
oai_identifier_str oai:www.repository.utl.pt:10400.5/29638
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) fieldremote sensingdisease detectionclassification methodsmachine learningdeep learningdetecão remotadeteção de doençasmétodos de classificaçãoalgoritmos de aprendizagemMestrado em Engenharia Agronómica. Universidade de Lisboa, Instituto Superior de AgronomiaLate Blight (LB) is of high concern in the potato crop production. The disease, caused by the oomycete Phytophtora infestans, is responsible for causing huge impacts on the global production. A prompt and specific control, besides being most likely to succeed, enables strategies of small-scale site-specific management which, when combined with a correct detection and good decision model, are expected to reduce the pesticide use. The detection of diseased plants with multispectral and hyperspectral UAV imagery has a great potential in improving LB management and control. In this context, the Portuguese company HPDRONES, within the PG-PSA project, wants to investigate the use of hyperspectral solutions for LB early detection. A drone embedded with a hyperspectral camera has been flighted across an experimental plot in the Ribatejo region. The present work provide an exemplification of a model for the detection of LB using UAV imagery in an open field of potato, involving the use of drones for the image collection and of machine learning algorithms to implement the data analysis. A supervised classification method is proposed. The result is a hyperspectral classifier able to perform an accurate LB detection. On the basis of the limitation of the hyperspectral technologies, a sensitivity approach is proposed, in which spatial and spectral degraded data are used to evaluate the classification’s success under different conditions. The results suggest that the use of drones with multispectral sensors or using different operational parameters (i.e. flight altitude) do not affect the efficiency of the LB detection.O míldio é uma das principais doenças que afeta a produção de batata. A doença, causada pelo oomiceta Phytophtora infestans, é responsável por ter grandes impactos na produção mundial desta cultura. Um controle rápido e específico, para além de ter maior probabilidade de sucesso, permite estratégias de controle smallscale e site-specific que, quando combinadas com uma detecção correta e um modelo de decisão adequado, conseguem reduzir sensivelmente o uso de pesticidas. A detecção de plantas doentes através de imagens multiespectrais e hiperespectrais de drone tem um grande potencial para o controle de míldio. Neste contexto, a empresa portuguesa HPDRONES, no âmbito do projeto PG-PSA, pretende investigar a utilização de soluções hiperespectrais para a deteção precoce de míldio. Para o efeito, foi usado um drone com uma câmara hiperespectral para a captura das imagens aéreas de uma parcela experimental localizada na região do Ribatejo. O presente trabalho oferece uma exemplificação de um modelo de detecção de míldio usando imagens coletadas em um campo aberto de batata, envolvendo o uso de drones para a coleta de imagens e de algoritmos de aprendizagem para implementar a análise de dados. Propõe-se um método de classificação supervisionado. O resultado é um classificador hiperespectral capaz de detectar a presença de míldio em campo. Com base nas limitações das tecnologias hiperespectrais, propõe-se uma análise de sensibilidade, através da qual os dados espaciais e espectrais degradados são usados para avaliar o sucesso da classificação sob diferentes condições. Os resultados sugerem que o uso de drones com sensores multiespectrais ou usar diferentes parâmetros operacionais (ou seja, altitude de voo) não afeta a eficiência da detecção de míldio.Instituto Superior de Agronomia, Universidade de LisboaCampagnolo, Manuel Lameiras de FigueiredoPontes, Hanniel CamiloRepositório da Universidade de LisboaLa Parola, Costanza Maria2023-12-19T12:32:12Z2022-12-192022-12-19T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/29638engLa Parola, C.M. Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) field. Lisboa: ISA-Universidade de Lisboa, 2022. Dissertação de Mestradoinfo: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:RCAAP2024-01-21T01:34:33Zoai:www.repository.utl.pt:10400.5/29638Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T00:55:51.083053Repositório 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 Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) field
title Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) field
spellingShingle Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) field
La Parola, Costanza Maria
remote sensing
disease detection
classification methods
machine learning
deep learning
detecão remota
deteção de doenças
métodos de classificação
algoritmos de aprendizagem
title_short Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) field
title_full Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) field
title_fullStr Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) field
title_full_unstemmed Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) field
title_sort Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) field
author La Parola, Costanza Maria
author_facet La Parola, Costanza Maria
author_role author
dc.contributor.none.fl_str_mv Campagnolo, Manuel Lameiras de Figueiredo
Pontes, Hanniel Camilo
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv La Parola, Costanza Maria
dc.subject.por.fl_str_mv remote sensing
disease detection
classification methods
machine learning
deep learning
detecão remota
deteção de doenças
métodos de classificação
algoritmos de aprendizagem
topic remote sensing
disease detection
classification methods
machine learning
deep learning
detecão remota
deteção de doenças
métodos de classificação
algoritmos de aprendizagem
description Mestrado em Engenharia Agronómica. Universidade de Lisboa, Instituto Superior de Agronomia
publishDate 2022
dc.date.none.fl_str_mv 2022-12-19
2022-12-19T00:00:00Z
2023-12-19T12:32:12Z
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/10400.5/29638
url http://hdl.handle.net/10400.5/29638
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv La Parola, C.M. Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) field. Lisboa: ISA-Universidade de Lisboa, 2022. Dissertação de Mestrado
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.publisher.none.fl_str_mv Instituto Superior de Agronomia, Universidade de Lisboa
publisher.none.fl_str_mv Instituto Superior de Agronomia, Universidade de Lisboa
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_ 1799136444216770560

Registros relacionados