MINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGO

Detalhes bibliográficos
Autor(a) principal: Gerke, Tiago
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UEPG
Texto Completo: http://tede2.uepg.br/jspui/handle/prefix/141
Resumo: Wheat cultivation plays an important role to Brazil and the world economic development, as well as in the human diet. The wheat Brazilian production is insufficient to meet the national demand, making research needed in order to improve the yield of this cereal. The goal of this work was to estimate wheat yield, searching for a predictive model through the data mining techniques, with data obtained from high spatial resolution images collected by unmanned aerial vehicles (UAV). The work was carried out in two experimental areas at Ponta Grossa city, Parana state, where for each area eight images were taken, at different culture development stages, with spatial resolution of 3.4cm/px and two images with resolution 10cm/px and 20cm/px, using an eBee UAV with an RGB and a NIR camera. The image processing was done with the Pix4D software, and resulted in an orthomosaics with reflectance values at different wavelengths: Red, Green and Blue, from the RGB camera and Red, Greed and NIR from the NIR camera, besides an image with NDVI values obtained from the arithmetic of NIR and Red wavelengths. The georeferencing correction of each orthomosaic and the extraction of the reflectance values were done with Quantum GIS geographic information system (GIS). From the extracted reflectance values, databases in different proportions (10%, 20%, 40%, 70% and 100%) were created for data mining, using the SMOReg algorithm, based on a support vector machine (SVM) for regression (SVR). The georreferencing correction using 10 control points provided ortomosaics with mean square error (RSME) of distance of 0.35m, which did not show significant difference compared to the correction with 5 control points (RMSE = 0.38m). The reflectance values were different for each study area, making it difficult to indicate better periods for estimating wheat yield. The highest correlation were obtained with data from RGB camera images, followed by the NIR and NDVI camera, with correlations of 0.6168,0.5423 and 0.5324, respectively. The amount of information extracted from the images, reflected in the proportion of the databases, was not significant to generated predictive models, as well as in the correlation indexes, which were statistically the same. Better correlation indices were obtained from the data extracted from the images with spatial resolution of 20cm/px, which suggests that high spatial resolution images may not be adequate for wheat yield estimation.
id UEPG_3716362ed7dd995df7e204f4b93b6964
oai_identifier_str oai:tede2.uepg.br:prefix/141
network_acronym_str UEPG
network_name_str Biblioteca Digital de Teses e Dissertações da UEPG
repository_id_str
spelling Guimarães, Alaine MargareteCPF:70608040991http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4705808J570608040991Caires, Eduardo FáveroCPF:07143754897http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4796865P7Joris, Helio Antonio WoodCPF:05083228980http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4592835J0Carvalho, Deborah RibeiroCPF:40159523915http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4701561U1CPF:06466725928http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4276488H1Gerke, Tiago2017-07-21T14:19:29Z2017-03-282017-07-21T14:19:29Z2017-02-03GERKE, Tiago. MINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGO. 2017. 84 f. Dissertação (Mestrado em Computação para Tecnologias em Agricultura) - UNIVERSIDADE ESTADUAL DE PONTA GROSSA, Ponta Grossa, 2017.http://tede2.uepg.br/jspui/handle/prefix/141Wheat cultivation plays an important role to Brazil and the world economic development, as well as in the human diet. The wheat Brazilian production is insufficient to meet the national demand, making research needed in order to improve the yield of this cereal. The goal of this work was to estimate wheat yield, searching for a predictive model through the data mining techniques, with data obtained from high spatial resolution images collected by unmanned aerial vehicles (UAV). The work was carried out in two experimental areas at Ponta Grossa city, Parana state, where for each area eight images were taken, at different culture development stages, with spatial resolution of 3.4cm/px and two images with resolution 10cm/px and 20cm/px, using an eBee UAV with an RGB and a NIR camera. The image processing was done with the Pix4D software, and resulted in an orthomosaics with reflectance values at different wavelengths: Red, Green and Blue, from the RGB camera and Red, Greed and NIR from the NIR camera, besides an image with NDVI values obtained from the arithmetic of NIR and Red wavelengths. The georeferencing correction of each orthomosaic and the extraction of the reflectance values were done with Quantum GIS geographic information system (GIS). From the extracted reflectance values, databases in different proportions (10%, 20%, 40%, 70% and 100%) were created for data mining, using the SMOReg algorithm, based on a support vector machine (SVM) for regression (SVR). The georreferencing correction using 10 control points provided ortomosaics with mean square error (RSME) of distance of 0.35m, which did not show significant difference compared to the correction with 5 control points (RMSE = 0.38m). The reflectance values were different for each study area, making it difficult to indicate better periods for estimating wheat yield. The highest correlation were obtained with data from RGB camera images, followed by the NIR and NDVI camera, with correlations of 0.6168,0.5423 and 0.5324, respectively. The amount of information extracted from the images, reflected in the proportion of the databases, was not significant to generated predictive models, as well as in the correlation indexes, which were statistically the same. Better correlation indices were obtained from the data extracted from the images with spatial resolution of 20cm/px, which suggests that high spatial resolution images may not be adequate for wheat yield estimation.O cultivo do trigo desempenha um papel importante no desenvolvimento econômico de várias regiões do Brasil e do mundo, bem como na dieta humana. A produção brasileira do trigo é insuficiente para atender à demanda nacional, tornando necessárias pesquisas com intuito de melhorar a produtividade desse cereal. O objetivo desse trabalho foi a estimativa de produtividade do trigo, a partir da criação de modelos preditivos por meio da mineração de dados obtidos em imagens de alta resolução espacial, coletadas por aeronave remotamente pilotada (RPA). O trabalho foi realizado em duas áreas experimentais na cidade de Ponta Grossa – PR, onde para cada área foram feitas oito coletas de imagens, em diferentes estádios de desenvolvimento da cultura, com resolução espacial de 3,4cm/px e duas coletas com resolução 10cm/px e 20cm/px, através de uma RPA eBee utilizando uma câmera RGB e outra NIR. O processamento das imagens foi feito a partir do software Pix4D, e resultou em um ortomosaicos com os valores de refletância em diferentes comprimentos de onda: R, G e B da câmera RGB e R, G e NIR da câmera NIR, além de uma imagem com valores de NDVI obtidos a partir da aritmética das bandas Nir e Red (vermelho). A correção de georreferenciamento de cada ortomosaico e a extração dos valores de refletância foram feitas com auxílio do sistema de informação geográfica (SIG) Quantum GIS. A partir dos valores de refletância extraídos, foram criadas bases de dados em diferentes proporções (10%, 20%, 40%, 70% e 100%) para mineração de dados por meio do algoritmo SMOReg, baseado em máquina de vetor de suporte (SVM) para regressão (SVR). A correção de georreferenciamento utilizando 10 pontos de controle proporcionou ortomosaicos com erro médio quadrático (RSME) de distância de 0,35m, o qual não mostrou diferença significativa para a correção com 5 pontos de controle (RMSE = 0,38m). Os valores de refletância foram diferentes para cada área de estudo, tornando difícil a indicação de melhores períodos para a estimativa de produtividade do trigo. Os maiores índices de correlação da produtividade com os comprimentos de onda, foram obtidos com os dados das imagens da câmera RGB, seguido da câmera NIR e NDVI, com as correlações de 0,6168, 0,5423 e 0,5324, respectivamente. A quantidade de informação extraída das imagens, refletida na proporção das bases de dados, não se mostrou significativa nos modelos preditivos gerados, bem como nos índices de correlação, os quais foram estatisticamente iguais. Índices de correlação melhores foram obtidos a partir dos dados extraídos das imagens com resolução espacial de 20cm/px, o que sugere que imagens de alta resolução espacial podem não ser adequadas para estimativa de produtividade do trigo.Made available in DSpace on 2017-07-21T14:19:29Z (GMT). No. of bitstreams: 1 TIAGO GERKE.pdf: 2494737 bytes, checksum: 62b5d2787dcdebe0e9ccf39bfa75f626 (MD5) Previous issue date: 2017-02-03application/pdfporUNIVERSIDADE ESTADUAL DE PONTA GROSSAPrograma de Pós Graduação Computação AplicadaUEPGBRComputação para Tecnologias em AgriculturaAeronave remotamente pilotadadroneveículo aéreo não tripuladoVANTsensoriamento remotoprocessamento digital de imagensmineração de dadosRemotely piloted aircraftdroneunmanned aerial vehicleUAVremote sensingdigital image processingdata miningCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOMINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGOinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UEPGinstname:Universidade Estadual de Ponta Grossa (UEPG)instacron:UEPGORIGINALTIAGO GERKE.pdfapplication/pdf2494737http://tede2.uepg.br/jspui/bitstream/prefix/141/1/TIAGO%20GERKE.pdf62b5d2787dcdebe0e9ccf39bfa75f626MD51prefix/1412017-07-21 11:19:29.686oai:tede2.uepg.br:prefix/141Biblioteca Digital de Teses e Dissertaçõeshttps://tede2.uepg.br/jspui/PUBhttp://tede2.uepg.br/oai/requestbicen@uepg.br||mv_fidelis@yahoo.com.bropendoar:2017-07-21T14:19:29Biblioteca Digital de Teses e Dissertações da UEPG - Universidade Estadual de Ponta Grossa (UEPG)false
dc.title.por.fl_str_mv MINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGO
title MINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGO
spellingShingle MINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGO
Gerke, Tiago
Aeronave remotamente pilotada
drone
veículo aéreo não tripulado
VANT
sensoriamento remoto
processamento digital de imagens
mineração de dados
Remotely piloted aircraft
drone
unmanned aerial vehicle
UAV
remote sensing
digital image processing
data mining
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short MINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGO
title_full MINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGO
title_fullStr MINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGO
title_full_unstemmed MINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGO
title_sort MINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGO
author Gerke, Tiago
author_facet Gerke, Tiago
author_role author
dc.contributor.advisor1.fl_str_mv Guimarães, Alaine Margarete
dc.contributor.advisor1ID.fl_str_mv CPF:70608040991
dc.contributor.advisor1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4705808J570608040991
dc.contributor.advisor-co1.fl_str_mv Caires, Eduardo Fávero
dc.contributor.advisor-co1ID.fl_str_mv CPF:07143754897
dc.contributor.advisor-co1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4796865P7
dc.contributor.referee1.fl_str_mv Joris, Helio Antonio Wood
dc.contributor.referee1ID.fl_str_mv CPF:05083228980
dc.contributor.referee1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4592835J0
dc.contributor.referee2.fl_str_mv Carvalho, Deborah Ribeiro
dc.contributor.referee2ID.fl_str_mv CPF:40159523915
dc.contributor.referee2Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4701561U1
dc.contributor.authorID.fl_str_mv CPF:06466725928
dc.contributor.authorLattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4276488H1
dc.contributor.author.fl_str_mv Gerke, Tiago
contributor_str_mv Guimarães, Alaine Margarete
Caires, Eduardo Fávero
Joris, Helio Antonio Wood
Carvalho, Deborah Ribeiro
dc.subject.por.fl_str_mv Aeronave remotamente pilotada
drone
veículo aéreo não tripulado
VANT
sensoriamento remoto
processamento digital de imagens
mineração de dados
topic Aeronave remotamente pilotada
drone
veículo aéreo não tripulado
VANT
sensoriamento remoto
processamento digital de imagens
mineração de dados
Remotely piloted aircraft
drone
unmanned aerial vehicle
UAV
remote sensing
digital image processing
data mining
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.subject.eng.fl_str_mv Remotely piloted aircraft
drone
unmanned aerial vehicle
UAV
remote sensing
digital image processing
data mining
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description Wheat cultivation plays an important role to Brazil and the world economic development, as well as in the human diet. The wheat Brazilian production is insufficient to meet the national demand, making research needed in order to improve the yield of this cereal. The goal of this work was to estimate wheat yield, searching for a predictive model through the data mining techniques, with data obtained from high spatial resolution images collected by unmanned aerial vehicles (UAV). The work was carried out in two experimental areas at Ponta Grossa city, Parana state, where for each area eight images were taken, at different culture development stages, with spatial resolution of 3.4cm/px and two images with resolution 10cm/px and 20cm/px, using an eBee UAV with an RGB and a NIR camera. The image processing was done with the Pix4D software, and resulted in an orthomosaics with reflectance values at different wavelengths: Red, Green and Blue, from the RGB camera and Red, Greed and NIR from the NIR camera, besides an image with NDVI values obtained from the arithmetic of NIR and Red wavelengths. The georeferencing correction of each orthomosaic and the extraction of the reflectance values were done with Quantum GIS geographic information system (GIS). From the extracted reflectance values, databases in different proportions (10%, 20%, 40%, 70% and 100%) were created for data mining, using the SMOReg algorithm, based on a support vector machine (SVM) for regression (SVR). The georreferencing correction using 10 control points provided ortomosaics with mean square error (RSME) of distance of 0.35m, which did not show significant difference compared to the correction with 5 control points (RMSE = 0.38m). The reflectance values were different for each study area, making it difficult to indicate better periods for estimating wheat yield. The highest correlation were obtained with data from RGB camera images, followed by the NIR and NDVI camera, with correlations of 0.6168,0.5423 and 0.5324, respectively. The amount of information extracted from the images, reflected in the proportion of the databases, was not significant to generated predictive models, as well as in the correlation indexes, which were statistically the same. Better correlation indices were obtained from the data extracted from the images with spatial resolution of 20cm/px, which suggests that high spatial resolution images may not be adequate for wheat yield estimation.
publishDate 2017
dc.date.accessioned.fl_str_mv 2017-07-21T14:19:29Z
dc.date.available.fl_str_mv 2017-03-28
2017-07-21T14:19:29Z
dc.date.issued.fl_str_mv 2017-02-03
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.citation.fl_str_mv GERKE, Tiago. MINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGO. 2017. 84 f. Dissertação (Mestrado em Computação para Tecnologias em Agricultura) - UNIVERSIDADE ESTADUAL DE PONTA GROSSA, Ponta Grossa, 2017.
dc.identifier.uri.fl_str_mv http://tede2.uepg.br/jspui/handle/prefix/141
identifier_str_mv GERKE, Tiago. MINERAÇÃO DE DADOS DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA PARA ESTIMATIVA DE PRODUTIVIDADE DO TRIGO. 2017. 84 f. Dissertação (Mestrado em Computação para Tecnologias em Agricultura) - UNIVERSIDADE ESTADUAL DE PONTA GROSSA, Ponta Grossa, 2017.
url http://tede2.uepg.br/jspui/handle/prefix/141
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.publisher.none.fl_str_mv UNIVERSIDADE ESTADUAL DE PONTA GROSSA
dc.publisher.program.fl_str_mv Programa de Pós Graduação Computação Aplicada
dc.publisher.initials.fl_str_mv UEPG
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Computação para Tecnologias em Agricultura
publisher.none.fl_str_mv UNIVERSIDADE ESTADUAL DE PONTA GROSSA
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UEPG
instname:Universidade Estadual de Ponta Grossa (UEPG)
instacron:UEPG
instname_str Universidade Estadual de Ponta Grossa (UEPG)
instacron_str UEPG
institution UEPG
reponame_str Biblioteca Digital de Teses e Dissertações da UEPG
collection Biblioteca Digital de Teses e Dissertações da UEPG
bitstream.url.fl_str_mv http://tede2.uepg.br/jspui/bitstream/prefix/141/1/TIAGO%20GERKE.pdf
bitstream.checksum.fl_str_mv 62b5d2787dcdebe0e9ccf39bfa75f626
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UEPG - Universidade Estadual de Ponta Grossa (UEPG)
repository.mail.fl_str_mv bicen@uepg.br||mv_fidelis@yahoo.com.br
_version_ 1809460446322753536