Vegetation Classification monitored with Multispectral Aerial Images

Detalhes bibliográficos
Autor(a) principal: Natividade, João Filipe Tavares
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/83120
Resumo: Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
id RCAP_ad4e3b7191014c712cb128f6a59066c9
oai_identifier_str oai:estudogeral.uc.pt:10316/83120
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Vegetation Classification monitored with Multispectral Aerial ImagesClassificação de Vegetação através de Imagens Aéreas MultiespectraisAgricultura de PrecisãoVeículo Aéreo Não TripuladoÍndice de VegetaçãoMáquinas de Suporte de VectoresÁrvores de DecisãoPrecision AgricultureUnmanned Aerial VehicleVegetation IndexSupport Vector MachinesDecision TreesDissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaNa Agricultura de Precisão (AP), a detecção e classificação de vegetação em culturas herbáceas (e.g., vinhas e árvores) é um passo crucial para a definição de objectivos consequentes, tais como a utilização de diferentes fertilizantes ou distintos níveis de hidratação.Um Veículo Aéreo Não Tripulado (VANT) foi montado e testado com o objetivo de desenvolver uma ferramenta de classificação (câmara ``multiespectral'') para ser usada em diferentes culturas. O sistema compreende uma plataforma aérea ``quad-rotor'', capaz de voar até alturas de 100 m acima do nível do solo. O presente trabalho desenvolve diferentes abordagens de segmentação que resultam na identificação da Região de Interesse (RDI) e, posteriormente, na sua classificação de acordo com a previsão fornecida por dois classificadores: Máquinas de Vectores de Suporte (MVS) e Árvores de Decisão (AD). As imagens são capturadas por um sistema composto por uma câmara (NoIR Raspberry Pi (RPi) - com um conjunto de cinco filtros ópticos acoplados à sua lente) conectada a um RPi, colocado no VANT para detecção de vegetação. As imagens foram adquiridas através de voos sobre os seguintes campos agrícolas: três vinhas com diferentes variedades de casta e florestas de cinco espécies de árvores (eucaliptos, pinheiros, oliveiras, laranjeiras e magnólias). Os testes mostram o desempenho dos dois classificadores, de acordo com a RDI identificada previamente por um algoritmo baseado em ``thresholding'' através de valores fornecidos pelo índice de vegetação NDVI. Os dois classificadores recebem dados de entrada fornecidos pelo cálculo de oito índices de vegetação. O algoritmo gerou valores de exactidão de 72% e 73% (para o Sistema de Reconhecimento de Padrões (SRP) associado ao conjuntos de dados #1 e #2, respectivamente, relacionados com as MVS) e 74% e 79% (para o SRP de acordo com os conjuntos de dados #1 e #2, respectivamente, relacionadas com os AD). O algoritmo é totalmente automatizado e a classificação é fornecida a partir do RPi para uma base de controlo, em tempo real, através duma conexão por Wi-Fi.In Precision Agriculture (PA), detecting and classifying the vegetation in herbaceous crops (e.g., vineyards and trees) is a crucial step prior to address further objectives, such as specifying either different fertilizers or distinguished hydration levels. An Unmanned Aerial Vehicle (UAV) was assembled and tested with the aim of developing a classification tool (``multispectral'' camera) for both types of vineyard and tree species. The system comprises a quad-rotor aerial platform capable of flying up to heights of 100 m above the ground level. The present research work develops different segmentation approaches which result in the identification of the Region of Interest (ROI) and afterwards their classification according to the prediction provided by two different machine learning classifiers: Support Vector Machines (SVM)s and Decision Trees (DT)s. Along with the general description of the procedure, remotely-sensed images captured with a sensor (a NoIR Raspberry Pi (RPi) camera with a five optical filters wheel attached) connected to an RPi and mounted on the UAV, were applied for vegetation detection. Images were acquired while hovering above both fields of three vineyard species (with different grape varieties) and forests of five tree species (eucalyptus, pine trees, olive trees, orange trees and magnolias). The tests show the performance of both classifiers, according to the ROI identified by a thresholding algorithm based on Normalized Difference Vegetation Index (NDVI) measurements. The two classifiers receive input data provided by the computation of eight Vegetation Indices (VI)s.The algorithm has led to accuracy values of 72\% and 73\% (for the Pattern Recognition System (PRS) according to datasets #1 and #2, respectively, related to the SVMs and 74% and 79% (for the PRS according to datasets #1 and #2, respectively, related to the DTs). The entire algorithm is totally automated and the classification output is provided from the RPi to a ground station in real-time, by a Wi-Fi socket connection.2017-02-23info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/83120http://hdl.handle.net/10316/83120TID:202123430engNatividade, João Filipe Tavaresinfo: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:RCAAP2020-01-29T10:25:17Zoai:estudogeral.uc.pt:10316/83120Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:04:55.868913Repositório 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 Vegetation Classification monitored with Multispectral Aerial Images
Classificação de Vegetação através de Imagens Aéreas Multiespectrais
title Vegetation Classification monitored with Multispectral Aerial Images
spellingShingle Vegetation Classification monitored with Multispectral Aerial Images
Natividade, João Filipe Tavares
Agricultura de Precisão
Veículo Aéreo Não Tripulado
Índice de Vegetação
Máquinas de Suporte de Vectores
Árvores de Decisão
Precision Agriculture
Unmanned Aerial Vehicle
Vegetation Index
Support Vector Machines
Decision Trees
title_short Vegetation Classification monitored with Multispectral Aerial Images
title_full Vegetation Classification monitored with Multispectral Aerial Images
title_fullStr Vegetation Classification monitored with Multispectral Aerial Images
title_full_unstemmed Vegetation Classification monitored with Multispectral Aerial Images
title_sort Vegetation Classification monitored with Multispectral Aerial Images
author Natividade, João Filipe Tavares
author_facet Natividade, João Filipe Tavares
author_role author
dc.contributor.author.fl_str_mv Natividade, João Filipe Tavares
dc.subject.por.fl_str_mv Agricultura de Precisão
Veículo Aéreo Não Tripulado
Índice de Vegetação
Máquinas de Suporte de Vectores
Árvores de Decisão
Precision Agriculture
Unmanned Aerial Vehicle
Vegetation Index
Support Vector Machines
Decision Trees
topic Agricultura de Precisão
Veículo Aéreo Não Tripulado
Índice de Vegetação
Máquinas de Suporte de Vectores
Árvores de Decisão
Precision Agriculture
Unmanned Aerial Vehicle
Vegetation Index
Support Vector Machines
Decision Trees
description Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
publishDate 2017
dc.date.none.fl_str_mv 2017-02-23
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/10316/83120
http://hdl.handle.net/10316/83120
TID:202123430
url http://hdl.handle.net/10316/83120
identifier_str_mv TID:202123430
dc.language.iso.fl_str_mv eng
language eng
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_ 1799133941263761408

Registros relacionados