Detecção de plantas daninhas e plantas de soja utilizando imagens multiespectrais e Visão Computacional (2023)
- Authors:
- Autor USP: ODA, YURI SARRETA - IFSC
- Unidade: IFSC
- Sigla do Departamento: FCM
- DOI: 10.11606/T.76.2023.tde-22022024-084207
- Subjects: PLANTAS DANINHAS; HERBICIDAS; AGRICULTURA DE PRECISÃO; VISÃO COMPUTACIONAL
- Keywords: Computer vision; Detecção de plantas daninhas; Herbicide selective spraying; Imagens multiespectrais; Multispectral images; Precision agriculture; Pulverização localizada de herbicidas; Weed detection
- Agências de fomento:
- Language: Português
- Abstract: Atualmente, a Agricultura de Precisão destaca-se como uma das áreas mais promissoras para o desenvolvimento de tecnologias no país. Algumas tecnologias advindas dessa área incluem, por exemplo, o mapeamento de áreas de produtividade e o desenvolvimento de sensores e sistemas para análises do solo e do clima, sempre visando o uso inteligente dos recursos durante o manejo das culturas e auxiliando o produtor durante as etapas de tomada de decisão. Dentre os problemas da agricultura moderna está o uso intensivo, não rotativo e de forma não localizada de herbicidas que, além de ser prejudicial ao meio ambiente, contribui para altos custos no orçamento do produtor e resulta na aplicação de produto em organismos não desejados. Apesar de existirem alguns sistemas de pulverização localizada disponíveis no mercado, o princípio de funcionamento da maioria deles é baseado em detectores de clorofila, não sendo capazes de distinguir plantas da lavoura de plantas daninhas com acurácia em aplicações de herbicidas após a emergência da cultura em campo. Visando contornar estes problemas, o presente trabalho aborda o uso de imagens multiespectrais para o reconhecimento de plantas daninhas pós-emergência da soja em ambientes de iluminação natural e artificial utilizando Visão Computacional e o algoritmo YOLO para tarefas de detecção e classificação. Para as imagens capturadas em iluminação artificial na primeira abordagem do projeto, os melhores resultados para a métrica mAP(0,5:0,95) forampara as imagens RGB (0,523), IR (0,527) e NIR (0,495). Na segunda abordagem, foi utilizado um sistema contendo uma roda de filtros e dez bandas espectrais e os melhores resultados obtidos foram para as bandas G (0,748), NDVI (0,717) e NIR-01 (0,714) para os modelos multi-classe e IR-780 (0,806), IR-850 (0,793) e NIR- 01 (0,785) para os modelos uni-classe, demonstrando a importância dos comprimentos de onda do infravermelho próximo na detecção das plantas. Na terceira abordagem, os valores obtidos para as métricas Precision, Recall e mAP(0,5:0,95) nos modelos treinados nas imagens capturadas em ambiente com iluminação natural foram, respectivamente, 0,772, 0,726 e 0,470 para as imagens RGB e, respectivamente, 0,733, 0,735 e 0,387 para as imagens NIR, sugerindo que em imagens mais complexas o algoritmo precisa ser aprimorado para produzir resultados mais eficientes no reconhecimento de plantas daninhas. Os resultados demonstram que técnicas de Visão Computacional combinadas com imagens multiespectrais são abordagens promissoras para a detecção de plantas daninhas entre plantas de soja
- Imprenta:
- Publisher place: São Carlos
- Date published: 2023
- Data da defesa: 19.12.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
ODA, Yuri Sarreta. Detecção de plantas daninhas e plantas de soja utilizando imagens multiespectrais e Visão Computacional. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/76/76133/tde-22022024-084207/. Acesso em: 28 out. 2024. -
APA
Oda, Y. S. (2023). Detecção de plantas daninhas e plantas de soja utilizando imagens multiespectrais e Visão Computacional (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/76/76133/tde-22022024-084207/ -
NLM
Oda YS. Detecção de plantas daninhas e plantas de soja utilizando imagens multiespectrais e Visão Computacional [Internet]. 2023 ;[citado 2024 out. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76133/tde-22022024-084207/ -
Vancouver
Oda YS. Detecção de plantas daninhas e plantas de soja utilizando imagens multiespectrais e Visão Computacional [Internet]. 2023 ;[citado 2024 out. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76133/tde-22022024-084207/ - Bioestimulação de sementes de soja com luz de comprimento de onda 660 nm
- Bioestimulação de sementes de soja com luz de comprimento de onda 660 nm
- Desenvolvimento de um sistema inteligente aplicado à Agricultura de Precisão para classificação de plantas de soja e ervas daninhas em tempo real utilizando imagens multiespectrais
- Bioestimulação de sementes de soja com luz laser e biotable de comprimento de onda 660 nm
- Desenvolvimento de sistema aplicado à Agricultura de Precisão para classificação de plantas de soja e plantas daninhas utilizando Visão Computacional e imagens multiespectrais
- Desenvolvimento de um sistema inteligente aplicado à Agricultura de Precisão para classificação de plantas de soja e ervas daninhas em tempo real utilizando imagens multiespectrais
- Effects of 660 nm laser irradiation of soybean seeds on germination, emergence and seedling growth
- Análise e classificação de plântulas de soja por meio do processamento digital de imagens e de inteligência artificial
- Weed detection among soybean plants in artificial lighting environment using multispectral images and computer vision
Informações sobre o DOI: 10.11606/T.76.2023.tde-22022024-084207 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas