Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Pereira Júnior, Paulo César
Orientador(a): Wangenheim, Aldo v.
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/216290
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2020.
id UFSC_a3cfb404cb644f4e48491e770b5ac4c7
oai_identifier_str oai:repositorio.ufsc.br:123456789/216290
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaPereira Júnior, Paulo CésarWangenheim, Aldo v.2020-10-21T21:27:47Z2020-10-21T21:27:47Z2020369884https://repositorio.ufsc.br/handle/123456789/216290Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2020.Neste trabalho é apresentado uma comparação entre redes neurais convolucionais e abordagens clássicas de visão computacional, para o problema específico da agricultura de precisão de mapeamento de plantas invasoras em campos de cana-de-açúcar a partir de imagens RGB aéreas, adquiridas a partir de veículos aéreos não tripulados (VANTs). Uma revisão sistemática da literatura foi realizada para descobrir quais métodos de visão computacional estão sendo usados para este problema. Os métodos mais citados foram implementados, bem como quatro modelos de redes neurais convolucionais. Todas as abordagens implementadas foram testadas, usando o mesmo conjunto de dados, e seus resultados foram analisados quantitativa e qualitativamente. Os resultados obtidos foram comparados com um padrão ouro gerado por um especialista humano, para validação. Os resultados indicam que as redes neurais convolucionais apresentam melhor precisão e generalizam melhor que os modelos clássicos.Abstract: In this paper, we present a comparison between convolutional neural networks and classical computer vision approaches, for the specific precision agriculture problem of weed mapping on sugarcane fields aerial RGB images, captured by unmanned aerial vehicle (UAVs). A systematic literature review was conducted to find which computer vision methods are being used on this specific problem. The most cited methods were implemented, as well as four models of convolutional neural networks. All implemented approaches were tested using the same dataset, and their results were quantitatively and qualitatively analyzed. The obtained results were compared to a human expert made ground truth, for validation. The results indicate that the convolutional neural networks present better precision and generalize better than the classical models.47 p.| il.porComputaçãoInteligência artificialAgricultura de precisãoRedes neurais (Computação)Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPGCC1180-D.pdfPGCC1180-D.pdfapplication/pdf14266301https://repositorio.ufsc.br/bitstream/123456789/216290/-1/PGCC1180-D.pdff6f362de0ad4847164d8359ac1b2436eMD5-1123456789/2162902020-10-21 18:27:47.839oai:repositorio.ufsc.br:123456789/216290Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732020-10-21T21:27:47Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs
title Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs
spellingShingle Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs
Pereira Júnior, Paulo César
Computação
Inteligência artificial
Agricultura de precisão
Redes neurais (Computação)
title_short Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs
title_full Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs
title_fullStr Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs
title_full_unstemmed Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs
title_sort Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs
author Pereira Júnior, Paulo César
author_facet Pereira Júnior, Paulo César
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Pereira Júnior, Paulo César
dc.contributor.advisor1.fl_str_mv Wangenheim, Aldo v.
contributor_str_mv Wangenheim, Aldo v.
dc.subject.classification.none.fl_str_mv Computação
Inteligência artificial
Agricultura de precisão
Redes neurais (Computação)
topic Computação
Inteligência artificial
Agricultura de precisão
Redes neurais (Computação)
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2020.
publishDate 2020
dc.date.accessioned.fl_str_mv 2020-10-21T21:27:47Z
dc.date.available.fl_str_mv 2020-10-21T21:27:47Z
dc.date.issued.fl_str_mv 2020
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/216290
dc.identifier.other.none.fl_str_mv 369884
identifier_str_mv 369884
url https://repositorio.ufsc.br/handle/123456789/216290
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 47 p.| il.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/216290/-1/PGCC1180-D.pdf
bitstream.checksum.fl_str_mv f6f362de0ad4847164d8359ac1b2436e
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851758920800927744

Registros relacionados