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
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
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://teses.usp.br/teses/disponiveis/76/76133/tde-22022024-084207/. Acesso em: 31 mar. 2026. -
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://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 2026 mar. 31 ] Available from: https://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 2026 mar. 31 ] Available from: https://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
- 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
- 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
- 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 a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
