Comparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmido
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/19166 |
Resumo: | The introduction of Pinus spp. in Brazil, it causes a series of environmental disorders and can lead to the impoverishment of biodiversity through its invasive potential. Thinking about the difficulty of obtaining quantification and geolocation data of individuals, this work aims to compare two deep learning models for automated segmentation of Pinus spp. crowns. The comparison was carried out between a model manually trained by the Mask R-CNN algorithm (supervised classification) and an existing model, SAM (unsupervised classification). Mask R-CNN presented 81% intersection over the union of polygons and 88% overlap rate between the manually delimited Masks and the masks segmented by the algorithm, while SAM presented results of 72% and 77%, respectively. The results found reinforce the importance of studies related to new remote sensing technologies for monitoring native vegetation as a biological conservation tool. |
id |
SCAR_9b1482edbac6b6bc11f355eaf0a1aec3 |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/19166 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
Ferreira, Giovanna de AndradeMolin, Paulo Guilhermehttp://lattes.cnpq.br/1529819650942373http://lattes.cnpq.br/7304255443790304https://orcid.org/0000-0001-7714-8327https://orcid.org/0000-0002-4587-935X2024-02-02T12:20:24Z2024-02-02T12:20:24Z2023-12-22FERREIRA, Giovanna de Andrade. Comparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmido. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia Ambiental) – Universidade Federal de São Carlos, Lagoa do Sino, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/19166.https://repositorio.ufscar.br/handle/ufscar/19166The introduction of Pinus spp. in Brazil, it causes a series of environmental disorders and can lead to the impoverishment of biodiversity through its invasive potential. Thinking about the difficulty of obtaining quantification and geolocation data of individuals, this work aims to compare two deep learning models for automated segmentation of Pinus spp. crowns. The comparison was carried out between a model manually trained by the Mask R-CNN algorithm (supervised classification) and an existing model, SAM (unsupervised classification). Mask R-CNN presented 81% intersection over the union of polygons and 88% overlap rate between the manually delimited Masks and the masks segmented by the algorithm, while SAM presented results of 72% and 77%, respectively. The results found reinforce the importance of studies related to new remote sensing technologies for monitoring native vegetation as a biological conservation tool.A introdução de indivíduos Pinus spp. no Brasil, acarreta uma série de transtornos ambientais e pode propiciar o empobrecimento da biodiversidade através do seu potencial invasor. Pensando na dificuldade de obtenção de dados acerca da distribuição espacial dos indivíduos, este trabalho tem como objetivo a comparação entre dois modelos de deep learning para segmentação automatizada de copas de Pinus spp.. A comparação foi realizada entre um modelo manualmente treinado pelo algoritmo Mask R-CNN (classificação supervisionada) e um modelo já existente, o SAM (classificação não supervisionada). O Mask R-CNN apresentou 81% de intersecção sobre a união dos polígonos e 88% de taxa de sobreposição entre as máscaras delimitadas manualmente e as máscaras segmentadas pelo algoritmo, enquanto o SAM apresentou resultados de 72% e 77%, respectivamente. Os resultados encontrados reforçam a importância de estudos relacionados à novas tecnologias de sensoriamento remoto para o monitoramento de vegetações nativas como ferramenta de conservação biológica.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)Processo nº 2022/11438-6, Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)PIBIC - ID 600porUniversidade Federal de São CarlosCâmpus Lagoa do SinoEngenharia Ambiental - EAm-LSUFSCarAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessInvasão biológicaMask R-CNNSAMCampo úmidoCerradoRestauraçãoCIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTALBiological invasionMask R-CNNSAMWetlandsRestorationComparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmidoComparison between supervised and unsupervised segmentation methods of deep learning models for the identification of invasive Pinus spp. Individuals in a wetland areainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisreponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINALTCC - Giovanna de Andrade Ferreira - Versão Final.pdfTCC - Giovanna de Andrade Ferreira - Versão Final.pdfTCCapplication/pdf1530435https://repositorio.ufscar.br/bitstream/ufscar/19166/1/TCC%20-%20Giovanna%20de%20Andrade%20Ferreira%20-%20Vers%c3%a3o%20Final.pdf405e3a9afaab7af94827197e6d9c9c8dMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8810https://repositorio.ufscar.br/bitstream/ufscar/19166/2/license_rdff337d95da1fce0a22c77480e5e9a7aecMD52TEXTTCC - Giovanna de Andrade Ferreira - Versão Final.pdf.txtTCC - Giovanna de Andrade Ferreira - Versão Final.pdf.txtExtracted texttext/plain63305https://repositorio.ufscar.br/bitstream/ufscar/19166/3/TCC%20-%20Giovanna%20de%20Andrade%20Ferreira%20-%20Vers%c3%a3o%20Final.pdf.txt7416a1e3f7488303d59724a85ee301eeMD53ufscar/191662024-05-14 17:27:49.785oai:repositorio.ufscar.br:ufscar/19166Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222024-05-14T17:27:49Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Comparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmido |
dc.title.alternative.por.fl_str_mv |
Comparison between supervised and unsupervised segmentation methods of deep learning models for the identification of invasive Pinus spp. Individuals in a wetland area |
title |
Comparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmido |
spellingShingle |
Comparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmido Ferreira, Giovanna de Andrade Invasão biológica Mask R-CNN SAM Campo úmido Cerrado Restauração CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL Biological invasion Mask R-CNN SAM Wetlands Restoration |
title_short |
Comparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmido |
title_full |
Comparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmido |
title_fullStr |
Comparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmido |
title_full_unstemmed |
Comparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmido |
title_sort |
Comparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmido |
author |
Ferreira, Giovanna de Andrade |
author_facet |
Ferreira, Giovanna de Andrade |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://lattes.cnpq.br/7304255443790304 |
dc.contributor.authororcid.por.fl_str_mv |
https://orcid.org/0000-0001-7714-8327 |
dc.contributor.advisor1orcid.por.fl_str_mv |
https://orcid.org/0000-0002-4587-935X |
dc.contributor.author.fl_str_mv |
Ferreira, Giovanna de Andrade |
dc.contributor.advisor1.fl_str_mv |
Molin, Paulo Guilherme |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/1529819650942373 |
contributor_str_mv |
Molin, Paulo Guilherme |
dc.subject.por.fl_str_mv |
Invasão biológica Mask R-CNN SAM Campo úmido Cerrado Restauração |
topic |
Invasão biológica Mask R-CNN SAM Campo úmido Cerrado Restauração CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL Biological invasion Mask R-CNN SAM Wetlands Restoration |
dc.subject.cnpq.fl_str_mv |
CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL |
dc.subject.eng.fl_str_mv |
Biological invasion Mask R-CNN SAM Wetlands Restoration |
description |
The introduction of Pinus spp. in Brazil, it causes a series of environmental disorders and can lead to the impoverishment of biodiversity through its invasive potential. Thinking about the difficulty of obtaining quantification and geolocation data of individuals, this work aims to compare two deep learning models for automated segmentation of Pinus spp. crowns. The comparison was carried out between a model manually trained by the Mask R-CNN algorithm (supervised classification) and an existing model, SAM (unsupervised classification). Mask R-CNN presented 81% intersection over the union of polygons and 88% overlap rate between the manually delimited Masks and the masks segmented by the algorithm, while SAM presented results of 72% and 77%, respectively. The results found reinforce the importance of studies related to new remote sensing technologies for monitoring native vegetation as a biological conservation tool. |
publishDate |
2023 |
dc.date.issued.fl_str_mv |
2023-12-22 |
dc.date.accessioned.fl_str_mv |
2024-02-02T12:20:24Z |
dc.date.available.fl_str_mv |
2024-02-02T12:20:24Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
FERREIRA, Giovanna de Andrade. Comparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmido. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia Ambiental) – Universidade Federal de São Carlos, Lagoa do Sino, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/19166. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/19166 |
identifier_str_mv |
FERREIRA, Giovanna de Andrade. Comparação entre o método de segmentação supervisionada e não supervisionada de modelos deep learning para identificação de indivíduos Pinus spp. Invasores em área de campo úmido. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia Ambiental) – Universidade Federal de São Carlos, Lagoa do Sino, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/19166. |
url |
https://repositorio.ufscar.br/handle/ufscar/19166 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus Lagoa do Sino Engenharia Ambiental - EAm-LS |
dc.publisher.initials.fl_str_mv |
UFSCar |
publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus Lagoa do Sino Engenharia Ambiental - EAm-LS |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSCAR instname:Universidade Federal de São Carlos (UFSCAR) instacron:UFSCAR |
instname_str |
Universidade Federal de São Carlos (UFSCAR) |
instacron_str |
UFSCAR |
institution |
UFSCAR |
reponame_str |
Repositório Institucional da UFSCAR |
collection |
Repositório Institucional da UFSCAR |
bitstream.url.fl_str_mv |
https://repositorio.ufscar.br/bitstream/ufscar/19166/1/TCC%20-%20Giovanna%20de%20Andrade%20Ferreira%20-%20Vers%c3%a3o%20Final.pdf https://repositorio.ufscar.br/bitstream/ufscar/19166/2/license_rdf https://repositorio.ufscar.br/bitstream/ufscar/19166/3/TCC%20-%20Giovanna%20de%20Andrade%20Ferreira%20-%20Vers%c3%a3o%20Final.pdf.txt |
bitstream.checksum.fl_str_mv |
405e3a9afaab7af94827197e6d9c9c8d f337d95da1fce0a22c77480e5e9a7aec 7416a1e3f7488303d59724a85ee301ee |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1802136431176450048 |