Deep learning para identificação de déficit hídrico em plantas com base em imagens térmicas (2021)
- Authors:
- Autor USP: MELO, LEONARDO LEITE DE - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LEB
- Subjects: DEFICIT HÍDRICO; REDES NEURAIS; PLANTAS CULTIVADAS; APRENDIZADO COMPUTACIONAL; IRRIGAÇÃO
- Keywords: Imagem termal
- Language: Português
- Abstract: O uso racional de recursos na agricultura ganhou importância nos últimos anos devido à necessidade de assegurar a sustentabilidade da produção agrícola, de forma a evitar consequências ambientais e até mesmo a iminência de escassez de recursos, como é o caso da água. Pela complexidade de estimar a resposta da planta à disponibilidade hídrica, uma técnica que vem obtendo grande importância é a utilização de imagens térmicas. Porém, o diagnóstico por imagens não é intuitivo e demanda do avaliador conhecimentos físico-químicos do solo e da planta, além de tempo e experiência. Devido a tal limitação, buscaram-se métodos computacionais que possam ser utilizados para realizar essa tarefa, estimando o estado hídrico de plantas a partir de imagens térmicas, suprindo a necessidade de um especialista. Para isso, duas técnicas de eficácia comprovada foram utilizadas: a rede Inception-Resnet-v2 e a técnica transfer learning. Experimentos foram realizados e os resultados obtidos mostram que o sistema de classificação do estresse hídrico na planta desenvolvido, com avaliação a partir da imagem térmica de modo não destrutivo, alcançou um desempenho superior em comparação à avaliação feita por especialista. Além disso, o desempenho foi superior na acurácia global, bem como em sua capacidade de distinguir entre as classes, demonstrando ser uma ferramenta eficaz para a realização de tal tarefa, demandando menor tempo
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2021
- Data da defesa: 26.02.2021
-
ABNT
MELO, Leonardo Leite de. Deep learning para identificação de déficit hídrico em plantas com base em imagens térmicas. 2021. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-26052021-144804/. Acesso em: 16 out. 2024. -
APA
Melo, L. L. de. (2021). Deep learning para identificação de déficit hídrico em plantas com base em imagens térmicas (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11152/tde-26052021-144804/ -
NLM
Melo LL de. Deep learning para identificação de déficit hídrico em plantas com base em imagens térmicas [Internet]. 2021 ;[citado 2024 out. 16 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-26052021-144804/ -
Vancouver
Melo LL de. Deep learning para identificação de déficit hídrico em plantas com base em imagens térmicas [Internet]. 2021 ;[citado 2024 out. 16 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-26052021-144804/ - Evaluation of irrigation requirement for the design of an irrigation system using a probabilistic approach for the estimation of evapotranspiration and rainfall
- Extreme values of ET0 at Piracicaba, Brazil, for designing irrigation systems
- Método para projetar linhas laterais de irrigação por gotejamento pareadas em terrenos com inclinação uniforme
- Head Loss in Thin-Walled Drip Tapes with Continuous Labyrinth
- Perda de carga em fitas gotejadoras com emissores moldados
- Deep learning for identification of water deficits in sugarcane based on thermal images
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
