High-performance leaf segmentation and detection in soybean and cotton crop rotation systems: optimizing models, hyperparameters, and deployment on edge AI (2025)
- Authors:
- Autor USP: SILVA, THIAGO HENRIQUE SEGRETO - EESC
- Unidade: EESC
- Sigla do Departamento: SEM
- DOI: 10.11606/D.18.2025.tde-02062025-094756
- Subjects: VISÃO COMPUTACIONAL; ALGODÃO; AGRICULTURA DE PRECISÃO; INTELIGÊNCIA ARTIFICIAL; VISÃO COMPUTACIONAL; SISTEMAS EMBUTIDOS
- Keywords: Detecção de plantas voluntárias.; Inferência de IA em dispositivos embarcados.; Otimização de hiperparâmetros.; Segmentação de instâncias em nível foliar.
- Agências de fomento:
- Language: Inglês
- Abstract: A soja e o algodão ocupam posição de destaque no cenário agrícola mundial, especialmente no Brasil, impulsionando a economia e a produtividade nas principais regiões produtoras. Contudo, sistemas de rotação soja algodão enfrentam o desafio das plantas voluntárias: plântulas fora de época, originadas de sementes remanescentes, que emergem junto à cultura principal. Essas plantas competem por água, nutrientes e luz, além de serviremde hospedeiro para pragas, exigindo detecção e remoção precoces. Para uma intervenção eficaz e precisa, é necessário um sistema autonônomo capaz de reconhecer as folhas de soja e algodão em um nível de detalhe ainda pouco explorado por ferramentas agronômicas baseadas em visão computacional. Neste contexto, esta dissertação preenche essa lacuna ao disponibilizar um conjunto de dados de grande escala, coletado em campo, com mais de 12 000 folhas de soja e algodão anotadas com precisão, abrangendo vários estádios de desenvolvimento e condições de iluminação. Empregando a família de modelos YOLOv11, construímos uma pipeline completa, aquisição de imagens, anotação, otimização multiobjetivo de hiperparâmetros e estudos de ablação, para selecionar uma arquitetura capaz de operar em tempo real em hardware de borda. A configuração vencedora supera 85 % demAP50–95 em detecção e segmentação e atinge desempenho de tempo-real em uma Jetson OrinAGX após treinamento consciente de quantização. Ao integrar curadoria de dados, refinamento de modelos e implantação orientada ao hardware, este trabalho oferece uma solução ponta-a-ponta para o controle direcionado de plantas voluntárias em rotações soja–algodão, a qual também podem ser útil para automatização de fenotipagem.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
- Data da defesa: 03.04.2025
- 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
SILVA, Thiago Henrique Segreto. High-performance leaf segmentation and detection in soybean and cotton crop rotation systems: optimizing models, hyperparameters, and deployment on edge AI. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18162/tde-02062025-094756/. Acesso em: 04 jan. 2026. -
APA
Silva, T. H. S. (2025). High-performance leaf segmentation and detection in soybean and cotton crop rotation systems: optimizing models, hyperparameters, and deployment on edge AI (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18162/tde-02062025-094756/ -
NLM
Silva THS. High-performance leaf segmentation and detection in soybean and cotton crop rotation systems: optimizing models, hyperparameters, and deployment on edge AI [Internet]. 2025 ;[citado 2026 jan. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18162/tde-02062025-094756/ -
Vancouver
Silva THS. High-performance leaf segmentation and detection in soybean and cotton crop rotation systems: optimizing models, hyperparameters, and deployment on edge AI [Internet]. 2025 ;[citado 2026 jan. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18162/tde-02062025-094756/
Informações sobre o DOI: 10.11606/D.18.2025.tde-02062025-094756 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
