Exportar registro bibliográfico

Detecção de patologias em plantações de eucaliptos com aprendizado de máquina (2016)

  • Authors:
  • Autor USP: OLIVEIRA, MATHEUS DELLA CROCE - ICMC
  • Unidade: ICMC
  • Sigla do Departamento: SSC
  • Subjects: APRENDIZADO COMPUTACIONAL; PROCESSAMENTO DE IMAGENS; VISÃO COMPUTACIONAL
  • Keywords: Aerial image classification; Classificação em imagens aéreas; Image processing; Processamento de imagens; Remote sensing; Sensoriamento remoto; UAVs; VANTs
  • Language: Português
  • Abstract: As plantações de eucaliptos representam grande potencial econômico para a indústria de papel, celulose, entre outras, além de apresentar uma série de características positivas como alta produtividade, grande potencial de adaptação e ampla diversidade de espécies. Em consequência a tais vantagens, há décadas diversas pesquisas vem sendo realizadas com o intuito de monitorar e detectar diversas doenças que aferem este tipo de cultura. O monitoramento rápido das doenças em eucaliptos torna-se um requisito para evitar grandes perdas econ´micas. Neste projeto de pesquisa utilizou-se imagens aéreas obtidas por VANTs (Veículos Aéreos Não-Tripulados) para detectar um tipo específico de estresse que afeta as plantações de eucaliptos: a Murcha de Ceratocyst is. Após rotular eucaliptos doentes e saudáveis e outras estruturas em imagens aéreas, técnicas de Aprendizado de Máquina Supervisionado foram desenvolvidas para generalizar o conhecimento e possibilitar uma rápida detecção através das imagens RGB e multiespectrais. Dentre as técnicas utilizadas, destacou-se a arquitetura de Redes Neurais Convolucional chamada de Custom- CNN, inspirada no modelo da tradicional arquitetura Lenet -5 agregando-se melhorias do estado-da-arte, como a camada convolucional 1x1. Na classificação do conjunto RGB, a Custom-CNN obteve o maior F-score, de 0,81, sendo que a técnica SVM-rbf obteve 0,67. No conjunto de dados com imagens multiespectrais, a Lenet -5 e a Custom-CNN at ingiram, respectivamente, 0,63e 0,66 de F-score, enquanto o SVM-rbf obteve 0,46. Esta dissertação apresenta a metodologia utilizada para a classificação, elencando as principais características dos algoritmos utilizados, bem como os resultados experimentais obtidos. Há ainda uma aplicação do classificador Regressão Logística para o planejamento de trajetória com VANTs.
  • Imprenta:
  • Data da defesa: 27.06.2016
  • Acesso à fonte
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      OLIVEIRA, Matheus Della Croce; WOLF, Denis Fernando. Detecção de patologias em plantações de eucaliptos com aprendizado de máquina. 2016.Universidade de São Paulo, São Carlos, 2016. Disponível em: < http://www.teses.usp.br/teses/disponiveis/55/55134/tde-23112016-085907/ >.
    • APA

      Oliveira, M. D. C., & Wolf, D. F. (2016). Detecção de patologias em plantações de eucaliptos com aprendizado de máquina. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-23112016-085907/
    • NLM

      Oliveira MDC, Wolf DF. Detecção de patologias em plantações de eucaliptos com aprendizado de máquina [Internet]. 2016 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-23112016-085907/
    • Vancouver

      Oliveira MDC, Wolf DF. Detecção de patologias em plantações de eucaliptos com aprendizado de máquina [Internet]. 2016 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-23112016-085907/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2021