Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSC |
Texto Completo: | https://repositorio.ufsc.br/handle/123456789/216290 |
Resumo: | Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2020. |
id |
UFSC_a3cfb404cb644f4e48491e770b5ac4c7 |
---|---|
oai_identifier_str |
oai:repositorio.ufsc.br:123456789/216290 |
network_acronym_str |
UFSC |
network_name_str |
Repositório Institucional da UFSC |
repository_id_str |
2373 |
spelling |
Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTsComputaçãoInteligência artificialAgricultura de precisãoRedes neurais (Computação)Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2020.Neste trabalho é apresentado uma comparação entre redes neurais convolucionais e abordagens clássicas de visão computacional, para o problema específico da agricultura de precisão de mapeamento de plantas invasoras em campos de cana-de-açúcar a partir de imagens RGB aéreas, adquiridas a partir de veículos aéreos não tripulados (VANTs). Uma revisão sistemática da literatura foi realizada para descobrir quais métodos de visão computacional estão sendo usados para este problema. Os métodos mais citados foram implementados, bem como quatro modelos de redes neurais convolucionais. Todas as abordagens implementadas foram testadas, usando o mesmo conjunto de dados, e seus resultados foram analisados quantitativa e qualitativamente. Os resultados obtidos foram comparados com um padrão ouro gerado por um especialista humano, para validação. Os resultados indicam que as redes neurais convolucionais apresentam melhor precisão e generalizam melhor que os modelos clássicos.Abstract: In this paper, we present a comparison between convolutional neural networks and classical computer vision approaches, for the specific precision agriculture problem of weed mapping on sugarcane fields aerial RGB images, captured by unmanned aerial vehicle (UAVs). A systematic literature review was conducted to find which computer vision methods are being used on this specific problem. The most cited methods were implemented, as well as four models of convolutional neural networks. All implemented approaches were tested using the same dataset, and their results were quantitatively and qualitatively analyzed. The obtained results were compared to a human expert made ground truth, for validation. The results indicate that the convolutional neural networks present better precision and generalize better than the classical models.Wangenheim, Aldo v.Universidade Federal de Santa CatarinaPereira Júnior, Paulo César2020-10-21T21:27:47Z2020-10-21T21:27:47Z2020info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis47 p.| il.application/pdf369884https://repositorio.ufsc.br/handle/123456789/216290porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2020-10-21T21:27:47Zoai:repositorio.ufsc.br:123456789/216290Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732020-10-21T21:27:47Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
dc.title.none.fl_str_mv |
Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs |
title |
Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs |
spellingShingle |
Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs Pereira Júnior, Paulo César Computação Inteligência artificial Agricultura de precisão Redes neurais (Computação) |
title_short |
Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs |
title_full |
Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs |
title_fullStr |
Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs |
title_full_unstemmed |
Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs |
title_sort |
Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs |
author |
Pereira Júnior, Paulo César |
author_facet |
Pereira Júnior, Paulo César |
author_role |
author |
dc.contributor.none.fl_str_mv |
Wangenheim, Aldo v. Universidade Federal de Santa Catarina |
dc.contributor.author.fl_str_mv |
Pereira Júnior, Paulo César |
dc.subject.por.fl_str_mv |
Computação Inteligência artificial Agricultura de precisão Redes neurais (Computação) |
topic |
Computação Inteligência artificial Agricultura de precisão Redes neurais (Computação) |
description |
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2020. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-10-21T21:27:47Z 2020-10-21T21:27:47Z 2020 |
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 |
369884 https://repositorio.ufsc.br/handle/123456789/216290 |
identifier_str_mv |
369884 |
url |
https://repositorio.ufsc.br/handle/123456789/216290 |
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 |
47 p.| il. application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSC instname:Universidade Federal de Santa Catarina (UFSC) instacron:UFSC |
instname_str |
Universidade Federal de Santa Catarina (UFSC) |
instacron_str |
UFSC |
institution |
UFSC |
reponame_str |
Repositório Institucional da UFSC |
collection |
Repositório Institucional da UFSC |
repository.name.fl_str_mv |
Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC) |
repository.mail.fl_str_mv |
|
_version_ |
1808651983770353664 |