Método automático para detecção de nematóides em lavoura cafeeira usando imagens aéreas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/26750 http://dx.doi.org/10.14393/ufu.di.2019.2314 |
Resumo: | A agricultura de precisão apresenta diversos desafios, dentre eles a detecção de doenças e pragas em ambientes agrícolas. Este trabalho descreve um método automático para a detecção de nematóides em lavouras cafeeiras usando imagens aéreas. Atualmente, a coleta de imagens aéreas aliada ao uso de técnicas computacionais baseadas em aprendizado de máquina (AM) apresentam um grande potencial em tarefas envolvendo a detecção de pragas em diversas culturas, como eucalipto, soja, entre outras. No entanto, há uma escassez de trabalhos para a cultura cafeeira. Neste trabalho é usado um veículo aéreo não tripulado (VANT) para obter imagens RGB de alta resolução de uma plantação cafeeira. O método proposto utiliza duas estratégias distintas para a extração de características e identificação das regiões com a presença dos nematóides. A primeira estratégia é baseada em blocos com os algoritmos KNN, RF e SVM para segmentação das regiões em praga e não-praga. A segunda estratégia é baseada em redes neurais convolucionais (em inglês \textit{Convolutional Neural Network} (CNN)) como as arquiteturas do estado da arte U-Net e PSPNet para a segmentação das regiões em regiões com praga, saudáveis e solo. Também avaliou-se a influência na variação da altura utilizando a arquitetura U-Net. Os resultados desta pesquisa científica demonstram a viabilidade do método proposto, com uma média para a medida F de 0,64 para o RF usando validação cruzada com 10-pastas e 0,69 como média para a medida F usando a arquitetura U-Net para o conjunto de teste. |
id |
UFU_2cccb89fd7989541bfd6c18fdab70f84 |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/26750 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
2019-08-22T21:04:00Z2019-08-22T21:04:00Z2019-07-08OLIVEIRA, Alexandre de Jesus. Método automático para detecção de nematóides em lavoura cafeeira. 2019. 104 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2019. DOI http://dx.doi.org/10.14393/ufu.di.2019.2314.https://repositorio.ufu.br/handle/123456789/26750http://dx.doi.org/10.14393/ufu.di.2019.2314A agricultura de precisão apresenta diversos desafios, dentre eles a detecção de doenças e pragas em ambientes agrícolas. Este trabalho descreve um método automático para a detecção de nematóides em lavouras cafeeiras usando imagens aéreas. Atualmente, a coleta de imagens aéreas aliada ao uso de técnicas computacionais baseadas em aprendizado de máquina (AM) apresentam um grande potencial em tarefas envolvendo a detecção de pragas em diversas culturas, como eucalipto, soja, entre outras. No entanto, há uma escassez de trabalhos para a cultura cafeeira. Neste trabalho é usado um veículo aéreo não tripulado (VANT) para obter imagens RGB de alta resolução de uma plantação cafeeira. O método proposto utiliza duas estratégias distintas para a extração de características e identificação das regiões com a presença dos nematóides. A primeira estratégia é baseada em blocos com os algoritmos KNN, RF e SVM para segmentação das regiões em praga e não-praga. A segunda estratégia é baseada em redes neurais convolucionais (em inglês \textit{Convolutional Neural Network} (CNN)) como as arquiteturas do estado da arte U-Net e PSPNet para a segmentação das regiões em regiões com praga, saudáveis e solo. Também avaliou-se a influência na variação da altura utilizando a arquitetura U-Net. Os resultados desta pesquisa científica demonstram a viabilidade do método proposto, com uma média para a medida F de 0,64 para o RF usando validação cruzada com 10-pastas e 0,69 como média para a medida F usando a arquitetura U-Net para o conjunto de teste.Precision agriculture presents several challenges, amongst them the detection of diseases and pests in agricultural environments. This work describes an automatic method for the detection of nematodes pest in coffee crops using aerial images. Currently, aerial imagery collection combined with the use of machine learning (ML) based computational techniques have great potential in tasks involving pest detection in several crops, such as eucalyptus, soybean, among others. However, there is a scarcity of studies for the coffee culture. The proposed method uses two distinct strategies for the feature extraction and identification of the regions with the presence of nematodes. The first one based on blocks with the KNN, RF and SVM algorithms to classify the regions in pest and non-pest. The second one based on Convolutional Neural Networks (CNN) with state-of-the-art architectures U-Net and PSPNet to classify areas into healthy, pest and soil. The influence on height variation was also evaluated using the U-Net architecture. Results demonstrate the viability of the proposed method, with an average F-measure of 0.64 for the RF using 10-fold cross validation and an average F-measure of 0.69 for the U-Net architecture for the test set.CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoDissertação (Mestrado)porUniversidade Federal de UberlândiaPrograma de Pós-graduação em Ciência da ComputaçãoBrasilAttribution-NonCommercial-NoDerivs 3.0 United Stateshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/info:eu-repo/semantics/openAccessCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAODetecção de pragasPest DetectionNematóidesNematodesCaféCoffeeVANTUAVU-NetMétodo automático para detecção de nematóides em lavoura cafeeira usando imagens aéreasAutomatic method for detection of nematodes in coffee crop using aerial imagesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisPaiva, Elaine Ribeiro de Fariahttp://lattes.cnpq.br/8238524390290386Souza, Jefferson Rodrigo dehttp://lattes.cnpq.br/1805897404307170Barioni, Maria Camila Nardinihttp://lattes.cnpq.br/3785426518998830Mari, João Fernandohttp://lattes.cnpq.br/3582704696209050http://lattes.cnpq.br/0019521411286220Oliveira, Alexandre de Jesus10460833389publicado no crossref antes da rotina xmlreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFULICENSElicense.txtlicense.txttext/plain; charset=utf-81792https://repositorio.ufu.br/bitstream/123456789/26750/8/license.txt48ded82ce41b8d2426af12aed6b3cbf3MD58ORIGINALMetodoAutomaticoDeteccaoNematoides.pdfMetodoAutomaticoDeteccaoNematoides.pdfDissertaçãoapplication/pdf5461479https://repositorio.ufu.br/bitstream/123456789/26750/6/MetodoAutomaticoDeteccaoNematoides.pdf4fa8e7613e2e43eaf9e1e36b084ecf19MD56CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufu.br/bitstream/123456789/26750/7/license_rdf9868ccc48a14c8d591352b6eaf7f6239MD57TEXTMetodoAutomaticoDeteccaoNematoides.pdf.txtMetodoAutomaticoDeteccaoNematoides.pdf.txtExtracted texttext/plain203399https://repositorio.ufu.br/bitstream/123456789/26750/9/MetodoAutomaticoDeteccaoNematoides.pdf.txt361f43b9fb486b465d37d6acab2e61eeMD59THUMBNAILMetodoAutomaticoDeteccaoNematoides.pdf.jpgMetodoAutomaticoDeteccaoNematoides.pdf.jpgGenerated Thumbnailimage/jpeg1321https://repositorio.ufu.br/bitstream/123456789/26750/10/MetodoAutomaticoDeteccaoNematoides.pdf.jpg18e41d6344220c8cf6b4abad629254f8MD510123456789/267502021-10-21 16:54:25.804oai:repositorio.ufu.br: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Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2021-10-21T19:54:25Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.pt_BR.fl_str_mv |
Método automático para detecção de nematóides em lavoura cafeeira usando imagens aéreas |
dc.title.alternative.pt_BR.fl_str_mv |
Automatic method for detection of nematodes in coffee crop using aerial images |
title |
Método automático para detecção de nematóides em lavoura cafeeira usando imagens aéreas |
spellingShingle |
Método automático para detecção de nematóides em lavoura cafeeira usando imagens aéreas Oliveira, Alexandre de Jesus CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Detecção de pragas Pest Detection Nematóides Nematodes Café Coffee VANT UAV U-Net |
title_short |
Método automático para detecção de nematóides em lavoura cafeeira usando imagens aéreas |
title_full |
Método automático para detecção de nematóides em lavoura cafeeira usando imagens aéreas |
title_fullStr |
Método automático para detecção de nematóides em lavoura cafeeira usando imagens aéreas |
title_full_unstemmed |
Método automático para detecção de nematóides em lavoura cafeeira usando imagens aéreas |
title_sort |
Método automático para detecção de nematóides em lavoura cafeeira usando imagens aéreas |
author |
Oliveira, Alexandre de Jesus |
author_facet |
Oliveira, Alexandre de Jesus |
author_role |
author |
dc.contributor.advisor-co1.fl_str_mv |
Paiva, Elaine Ribeiro de Faria |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/8238524390290386 |
dc.contributor.advisor1.fl_str_mv |
Souza, Jefferson Rodrigo de |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/1805897404307170 |
dc.contributor.referee1.fl_str_mv |
Barioni, Maria Camila Nardini |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/3785426518998830 |
dc.contributor.referee2.fl_str_mv |
Mari, João Fernando |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/3582704696209050 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/0019521411286220 |
dc.contributor.author.fl_str_mv |
Oliveira, Alexandre de Jesus |
contributor_str_mv |
Paiva, Elaine Ribeiro de Faria Souza, Jefferson Rodrigo de Barioni, Maria Camila Nardini Mari, João Fernando |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Detecção de pragas Pest Detection Nematóides Nematodes Café Coffee VANT UAV U-Net |
dc.subject.por.fl_str_mv |
Detecção de pragas Pest Detection Nematóides Nematodes Café Coffee VANT UAV U-Net |
description |
A agricultura de precisão apresenta diversos desafios, dentre eles a detecção de doenças e pragas em ambientes agrícolas. Este trabalho descreve um método automático para a detecção de nematóides em lavouras cafeeiras usando imagens aéreas. Atualmente, a coleta de imagens aéreas aliada ao uso de técnicas computacionais baseadas em aprendizado de máquina (AM) apresentam um grande potencial em tarefas envolvendo a detecção de pragas em diversas culturas, como eucalipto, soja, entre outras. No entanto, há uma escassez de trabalhos para a cultura cafeeira. Neste trabalho é usado um veículo aéreo não tripulado (VANT) para obter imagens RGB de alta resolução de uma plantação cafeeira. O método proposto utiliza duas estratégias distintas para a extração de características e identificação das regiões com a presença dos nematóides. A primeira estratégia é baseada em blocos com os algoritmos KNN, RF e SVM para segmentação das regiões em praga e não-praga. A segunda estratégia é baseada em redes neurais convolucionais (em inglês \textit{Convolutional Neural Network} (CNN)) como as arquiteturas do estado da arte U-Net e PSPNet para a segmentação das regiões em regiões com praga, saudáveis e solo. Também avaliou-se a influência na variação da altura utilizando a arquitetura U-Net. Os resultados desta pesquisa científica demonstram a viabilidade do método proposto, com uma média para a medida F de 0,64 para o RF usando validação cruzada com 10-pastas e 0,69 como média para a medida F usando a arquitetura U-Net para o conjunto de teste. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-08-22T21:04:00Z |
dc.date.available.fl_str_mv |
2019-08-22T21:04:00Z |
dc.date.issued.fl_str_mv |
2019-07-08 |
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 |
OLIVEIRA, Alexandre de Jesus. Método automático para detecção de nematóides em lavoura cafeeira. 2019. 104 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2019. DOI http://dx.doi.org/10.14393/ufu.di.2019.2314. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufu.br/handle/123456789/26750 |
dc.identifier.doi.pt_BR.fl_str_mv |
http://dx.doi.org/10.14393/ufu.di.2019.2314 |
identifier_str_mv |
OLIVEIRA, Alexandre de Jesus. Método automático para detecção de nematóides em lavoura cafeeira. 2019. 104 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2019. DOI http://dx.doi.org/10.14393/ufu.di.2019.2314. |
url |
https://repositorio.ufu.br/handle/123456789/26750 http://dx.doi.org/10.14393/ufu.di.2019.2314 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Ciência da Computação |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
bitstream.url.fl_str_mv |
https://repositorio.ufu.br/bitstream/123456789/26750/8/license.txt https://repositorio.ufu.br/bitstream/123456789/26750/6/MetodoAutomaticoDeteccaoNematoides.pdf https://repositorio.ufu.br/bitstream/123456789/26750/7/license_rdf https://repositorio.ufu.br/bitstream/123456789/26750/9/MetodoAutomaticoDeteccaoNematoides.pdf.txt https://repositorio.ufu.br/bitstream/123456789/26750/10/MetodoAutomaticoDeteccaoNematoides.pdf.jpg |
bitstream.checksum.fl_str_mv |
48ded82ce41b8d2426af12aed6b3cbf3 4fa8e7613e2e43eaf9e1e36b084ecf19 9868ccc48a14c8d591352b6eaf7f6239 361f43b9fb486b465d37d6acab2e61ee 18e41d6344220c8cf6b4abad629254f8 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1802110306556575744 |