Identificação de plantas de milho utilizando imagens aéreas obtidas por VANTs

• Autor(a) principal: Salvadori, Enzo
• Data de Publicação: 2020
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/26481
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Agricultura de precisão; Produtividade agrícola; Processamento de imagens; Aprendizado do computador; Redes neurais (Computação); Precision farming; Agricultural productivity; Image processing; Machine learning; Neural networks (Computer science)

Agricultura de precisão é a área da agronomia que trabalha com recursos tecnológicos de precisão no manejo da lavoura que são utilizados para a gestão dos processos do cultivo e o seu georreferenciamento, com intuito de melhorar a produtividade geral da plantação, o que possibilita ao agricultor um monitoramento de sua produção de forma mais precisa e constante. Este trabalho se justifica uma vez que determinando o número de plantas de um cultivo, obtém-se uma informação que influencia diretamente na produtividade geral de uma plantação. Esta informação pode ser utilizada pelo agricultor de diversas maneiras como contornar a perda, caso o resultado seja extremamente prejudicial para o cultivo ou em casos não extremos identificar os fatores externos que podem ter afetado a produtividade do plantio e assim monitorar tal condição para reduzir a perda de produtividade em próximas plantações, além de poder calcular uma estimativa financeira do valor final da produção. Este trabalho apresenta um método para identificação e contagem de plantas de milho, que se consiste em utilizar técnicas de processamento de imagens e aprendizagem de máquina para treinar uma rede neural para identificar plantas de milho. A rede neural escolhida para os experimentos foi a RetinaNet, e utilizou no seu treinamento uma base de imagens gerada a partir de imagens aéreas que foram obtidas por um VANT. Essa base possui 3129 exemplos de rótulos que foram utilizados para o treinamento e validação, e 757 exemplos na base de teste. Os resultados obtidos no cálculo da métrica de precisão apresentaram bons valores comparados com a literatura, onde a análise foi feita por meio da base de teste, que conseguiu alcançar uma precisão de 99,0% e revocação de 97,6%.