Avaliação de Redes Neurais e Proposta de uma Arquitetura de Comitê para Identificação de Pupas e Pragas em Sementes usando Imagens de Raios X (2024)
- Authors:
- Autor USP: SILVA, ALYSSON ALEXANDER NAVES - ICMC
- Unidade: ICMC
- Sigla do Departamento: SSC
- DOI: 10.11606/T.55.2024.tde-01082024-100347
- Subjects: AGRICULTURA; INTELIGÊNCIA ARTIFICIAL; PRODUÇÃO AGRÍCOLA; COMPUTAÇÃO EVOLUTIVA; CONTROLE BIOLÓGICO; OTIMIZAÇÃO COMBINATÓRIA; RAIOS X
- Keywords: Agricultura digital; Aprendizado profundo; Biological control; CNN Committee; Comitê de CNNs; Deep learning; Digital agriculture; Grain quality; Qualidade de grãos; X-ray images
- Agências de fomento:
- Language: Português
- Abstract: O emprego da inteligência artificial na agricultura tem contribuído para o avanço do conhecimento no setor, por exemplo, o uso de Convolutional Neural Networks (CNN) para analisar imagens de raios X de grãos e pupas de insetos. Há uma crescente demanda por técnicas rápidas, que não necessitem aguardar o tempo de germinação de uma semente ou o tempo de emergência de adultos de pupas parasitadas no controle biológico de pragas; não destrutivas, sem a necessidade de alterar os aspectos físicos ou químicos dos grãos ou pupas, possibilitando inclusive a utilização da amostra pelo produtor/pesquisador; e precisas, não dependendo da visão humana para análise. Nesse contexto, a classificação de imagens de raios X por meio das CNNs, possibilita medir a quantidade de grãos infestados por pragas, assim como analisar pupas que foram parasitadas com sucesso. A avaliação da qualidade sanitária de grãos armazenados, por exemplo, tem grande importância econômica. Em muitos países, há uma tendência de tolerância zero para insetos de grãos armazenados. No entanto, a detecção precoce da praga Sitophilus zeamais, é difícil de ser realizada na prática, pois o desenvolvimento de ovos e larvas ocorre dentro dos grãos, sendo imperceptível ao olho humano. Desta forma, o desenvolvimento de um método sistemático e não destrutivo para analisar a qualidade desses grãos torna-se indispensável. Assim, três CNNs foram aplicadas na classificação de imagens de raios X para o reconhecimento de grãosinfestados. Além desse estudo, a metodologia também foi aplicada na identificação de pupas parasitadas para o controle biológico de larvas da mosca-das-frutas, que causam a perda pré-matura de frutas. A produção em larga escala de pupas parasitas demanda métodos mais rápidos para avaliação da quantidade e qualidade de pupas parasitadas, otimizando por exemplo, atividades de liberação desses insetos nas lavouras. Entretanto, ao empregar métodos convencionais, é possível medir a taxa de pupas adultas aproximadamente 16 dias após a emergência. Esse tempo de espera pode resultar em desperdício de recursos. Uma maneira de acelerar a métrica de qualidade dos lotes de pupas e aumentar a precisão do processo de produção, seria combinar radiografia digital e métodos de aprendizado profundo para a classificação das pupas parasitadas. Foram avaliadas sete CNNs, e os modelos Inception-ResNet-v2, VGG19 e Xception destacaram-se frente aos demais. Nessa tese, foi proposta uma abordagem que consistiu em combinar os modelos de CNNs e avaliar a estratégia definida como MIN-i, que aciona um oráculo sempre que necessário.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
- Data da defesa: 29.05.2024
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
SILVA, Alysson Alexander Naves. Avaliação de Redes Neurais e Proposta de uma Arquitetura de Comitê para Identificação de Pupas e Pragas em Sementes usando Imagens de Raios X. 2024. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://teses.usp.br/teses/disponiveis/55/55134/tde-01082024-100347/. Acesso em: 01 abr. 2026. -
APA
Silva, A. A. N. (2024). Avaliação de Redes Neurais e Proposta de uma Arquitetura de Comitê para Identificação de Pupas e Pragas em Sementes usando Imagens de Raios X (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55134/tde-01082024-100347/ -
NLM
Silva AAN. Avaliação de Redes Neurais e Proposta de uma Arquitetura de Comitê para Identificação de Pupas e Pragas em Sementes usando Imagens de Raios X [Internet]. 2024 ;[citado 2026 abr. 01 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-01082024-100347/ -
Vancouver
Silva AAN. Avaliação de Redes Neurais e Proposta de uma Arquitetura de Comitê para Identificação de Pupas e Pragas em Sementes usando Imagens de Raios X [Internet]. 2024 ;[citado 2026 abr. 01 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-01082024-100347/ - Simulação numérica de escoamentos bidimensionais com superfícies livres e linhas de contato dinâmicas
- Automatic classification of parasitized fruit fly pupae from X-ray images by convolutional neural networks
- Convolutional neural networks using enhanced radiographs for real-time detection of Sitophilus zeamais in maize grain
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
