Determinação da cobertura do solo por análise de imagens e redes neurais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2002 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista Brasileira de Engenharia Agrícola e Ambiental (Online) |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662002000200007 |
Resumo: | Neste trabalho, desenvolveu-se um programa computacional para estimar a cobertura do solo, utilizando-se redes neurais (RN) treinadas por retropropagação do erro. Os dados para treinamento das RN foram obtidos de imagens digitais coloridas. Utilizou-se a razão entre a banda do verde e do vermelho para o pré-processamento das amostras de treinamento. Foram testadas cinco RN com arquiteturas 25-n1-n2-2. A arquitetura 25-20-10-2 foi a que apresentou melhor resultado sendo, portanto, utilizada no programa computacional classificador. O classificador apresentou índice de exatidão global de 82,10%, cujo resultado mostra que redes neurais podem ser utilizadas em programas computacionais para separar feições onde a diferença entre a intensidade do brilho não permite a aplicação da técnica da limiarização. |
id |
UFCG-1_37c0ae2f347d94e348c8870a3082a4f5 |
---|---|
oai_identifier_str |
oai:scielo:S1415-43662002000200007 |
network_acronym_str |
UFCG-1 |
network_name_str |
Revista Brasileira de Engenharia Agrícola e Ambiental (Online) |
repository_id_str |
|
spelling |
Determinação da cobertura do solo por análise de imagens e redes neuraisvisão artificialplantio diretoprocessamento de imagemNeste trabalho, desenvolveu-se um programa computacional para estimar a cobertura do solo, utilizando-se redes neurais (RN) treinadas por retropropagação do erro. Os dados para treinamento das RN foram obtidos de imagens digitais coloridas. Utilizou-se a razão entre a banda do verde e do vermelho para o pré-processamento das amostras de treinamento. Foram testadas cinco RN com arquiteturas 25-n1-n2-2. A arquitetura 25-20-10-2 foi a que apresentou melhor resultado sendo, portanto, utilizada no programa computacional classificador. O classificador apresentou índice de exatidão global de 82,10%, cujo resultado mostra que redes neurais podem ser utilizadas em programas computacionais para separar feições onde a diferença entre a intensidade do brilho não permite a aplicação da técnica da limiarização.Departamento de Engenharia Agrícola - UFCG2002-01-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662002000200007Revista Brasileira de Engenharia Agrícola e Ambiental v.6 n.2 2002reponame:Revista Brasileira de Engenharia Agrícola e Ambiental (Online)instname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG10.1590/S1415-43662002000200007info:eu-repo/semantics/openAccessVarella,Carlos A. A.Pinto,Francisco de A. de C.Queiroz,Daniel M. deSena Júnior,Darly G. depor2005-08-26T00:00:00Zoai:scielo:S1415-43662002000200007Revistahttp://www.scielo.br/rbeaaPUBhttps://old.scielo.br/oai/scielo-oai.php||agriambi@agriambi.com.br1807-19291415-4366opendoar:2005-08-26T00:00Revista Brasileira de Engenharia Agrícola e Ambiental (Online) - Universidade Federal de Campina Grande (UFCG)false |
dc.title.none.fl_str_mv |
Determinação da cobertura do solo por análise de imagens e redes neurais |
title |
Determinação da cobertura do solo por análise de imagens e redes neurais |
spellingShingle |
Determinação da cobertura do solo por análise de imagens e redes neurais Varella,Carlos A. A. visão artificial plantio direto processamento de imagem |
title_short |
Determinação da cobertura do solo por análise de imagens e redes neurais |
title_full |
Determinação da cobertura do solo por análise de imagens e redes neurais |
title_fullStr |
Determinação da cobertura do solo por análise de imagens e redes neurais |
title_full_unstemmed |
Determinação da cobertura do solo por análise de imagens e redes neurais |
title_sort |
Determinação da cobertura do solo por análise de imagens e redes neurais |
author |
Varella,Carlos A. A. |
author_facet |
Varella,Carlos A. A. Pinto,Francisco de A. de C. Queiroz,Daniel M. de Sena Júnior,Darly G. de |
author_role |
author |
author2 |
Pinto,Francisco de A. de C. Queiroz,Daniel M. de Sena Júnior,Darly G. de |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
Varella,Carlos A. A. Pinto,Francisco de A. de C. Queiroz,Daniel M. de Sena Júnior,Darly G. de |
dc.subject.por.fl_str_mv |
visão artificial plantio direto processamento de imagem |
topic |
visão artificial plantio direto processamento de imagem |
description |
Neste trabalho, desenvolveu-se um programa computacional para estimar a cobertura do solo, utilizando-se redes neurais (RN) treinadas por retropropagação do erro. Os dados para treinamento das RN foram obtidos de imagens digitais coloridas. Utilizou-se a razão entre a banda do verde e do vermelho para o pré-processamento das amostras de treinamento. Foram testadas cinco RN com arquiteturas 25-n1-n2-2. A arquitetura 25-20-10-2 foi a que apresentou melhor resultado sendo, portanto, utilizada no programa computacional classificador. O classificador apresentou índice de exatidão global de 82,10%, cujo resultado mostra que redes neurais podem ser utilizadas em programas computacionais para separar feições onde a diferença entre a intensidade do brilho não permite a aplicação da técnica da limiarização. |
publishDate |
2002 |
dc.date.none.fl_str_mv |
2002-01-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662002000200007 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662002000200007 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S1415-43662002000200007 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Departamento de Engenharia Agrícola - UFCG |
publisher.none.fl_str_mv |
Departamento de Engenharia Agrícola - UFCG |
dc.source.none.fl_str_mv |
Revista Brasileira de Engenharia Agrícola e Ambiental v.6 n.2 2002 reponame:Revista Brasileira de Engenharia Agrícola e Ambiental (Online) instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Revista Brasileira de Engenharia Agrícola e Ambiental (Online) |
collection |
Revista Brasileira de Engenharia Agrícola e Ambiental (Online) |
repository.name.fl_str_mv |
Revista Brasileira de Engenharia Agrícola e Ambiental (Online) - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
||agriambi@agriambi.com.br |
_version_ |
1750297675367972864 |