Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Lima, Bruno Pinheiro de Melo
Orientador(a): Não Informado pela instituição
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
Palavras-chave em Português:
Aprendizagem profunda
Insetos
Agricultura
Link de acesso: http://repositorio.unb.br/handle/10482/49062
Resumo: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, Programa de Pós-Graduação em Sistemas Mecatrônicos, 2024.
id UNB_f341decfd25828acec1bd661eec18159
oai_identifier_str oai:repositorio.unb.br:10482/49062
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profundaAprendizagem profundaInsetosAgriculturaDissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, Programa de Pós-Graduação em Sistemas Mecatrônicos, 2024.No Brasil, a produção de soja aumentou consideravelmente nas últimas décadas, impulsi onada por tecnologias agrícolas avançadas. No entanto, o uso excessivo de pesticidas, que representa uma parte significativa dos custos, apresenta desafios econômicos e ambien tais. Métodos de detecção e contagem de pragas usando Visão Computacional mostram-se promissores, uma vez que as abordagens tradicionais são trabalhosas e demoradas. Este estudo apresenta um método projetado para identificar e contar insetos em campos de soja, construído sobre um modelo YOLOv8 aprimorado, especificamente desenvolvido para essa missão. Para aprimorar a precisão na detecção de pequenos insetos e reduzir a complexi dade do modelo YOLOv8, conduzimos experimentos de ablação para avaliar o impacto da integração de um nível de recursos mais profundo e um bloco com menor número de filtros na espinha dorsal e no pescoço da estrutura original. Por meio desses experimentos, o novo algoritmo foi treinado e testado usando um conjunto de dados de pesquisa público, composto por amostras de Euschistus Heros (PMN), um percevejo de interesse em lavouras de soja no Brasil, e seu desempenho foi comparado com três configurações em condições idênticas: A) YOLOv8n, B) YOLOv8n com apenas C2f2 e C) YOLOv8n com apenas P2. Nossa avaliação empregou diversas métricas, incluindo precisão, revocação, mAP0.5 e mAP0.5-0.95. Também consideramos a complexidade do modelo como fatores essenciais na avaliação da eficiência dos modelos YOLO para aplicações específicas, comparando parâmetros, FLOPs, Inferência e Tempo. O modelo proposto foi então integrado a um framework capaz de rastrear e contar os PMNs em questão em um stream de vídeo. Este stream foi criado, animando 42 novas imagens, capturadas sob diversas condições de iluminação e fundo para abordar potenciais desafios em aplicações práticas, testando a capacidade de generalização do modelo, bem como o desempenho do modelo em aplicações de vídeo. O modelo demonstra uma medida de acurácia, representada pela métrica de MOTA, satisfatória, com cerca de 62%. Isso indica que a técnica proposta é eficaz em rastrear bem os percevejos ao longo das cenas apresentadas, o que é corroborado pela alta taxa de acerto na contagem final dos PMNs (desvio para cima de 5,3%). Esses resultados apontam para um potencial desse tipo de framework e sinaliza potencial em aplicações futuras de mapeamento de pragas a partir de rastreamentos em tempo real.In Brazil, soybean production has increased considerably in recent decades, driven by ad vanced agricultural technologies. However, the excessive use of pesticides, which represents an important portion of the costs, presents economic and environmental challenges. Pest detection and counting methods using Computer Vision appear promising, since traditional approaches are laborious and time-consuming. This study introduces a method tailored for real-time detecting and counting insects in soybean fields, built upon an improved YOLOv8 model, designed for this mission. To enhance the accuracy in detecting small insects and reduce the complexity of YOLOv8, we conducted ablation experiments to assess the impact of integrating a deeper feature level and a proposed C2f2 layer into the insect detection model. Through these ablation experiments, new algorithm underwent training and testing using a public research dataset, composed of samples of Euschistus Heros (NBSB), a bug of interest in soybean crops in Brazil, and its performance was compared against three configurations under identical conditions: A) YOLOv8n, B) YOLOv8n with C2f2 only and C) YOLOv8n with P2 only. Our evaluation employed various metrics, including Precision, Recall, mAP0.5 and mAP0.5-0.95. We also considered model complexity as essential factors in assessing the efficiency of YOLO models for specific applications, by comparing Params, FLOPs, Inference, and Time. The proposed model was then integrated into a framework capable of track and count NBSBs from a video stream. This video stream was created, animating 42 new images, captured under diverse lighting and background conditions to address potential challenges in practical applications, testing the generalization capacity of the model as well as the model’s performance in video applications. The model demonstrates a satisfactory measure of accuracy, represented by the MOTA metric, with around 62%. This indicates that the proposed technique is effective in tracking bedbugs well throughout the scenes presented, which is corroborated by the high hit rate in the final insect count (upward deviation of 5.3%). These results point to the potential of this type of framework and signal potential in future pest mapping applications based on real-time tracking.Faculdade de Tecnologia (FT)Departamento de Engenharia Mecânica (FT ENM)Programa de Pós-Graduação em Sistemas MecatrônicosBorges, Díbio LeandroLima, Bruno Pinheiro de Melo2024-07-19T21:04:06Z2024-07-19T21:04:06Z2024-07-192024-03-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfLIMA, Bruno Pinheiro de Melo. Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda. 2024. 79 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos) — Universidade de Brasília, Brasília, 2024.http://repositorio.unb.br/handle/10482/49062porA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2025-02-27T17:52:05Zoai:repositorio.unb.br:10482/49062Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2025-02-27T17:52:05Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda
title Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda
spellingShingle Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda
Lima, Bruno Pinheiro de Melo
Aprendizagem profunda
Insetos
Agricultura
title_short Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda
title_full Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda
title_fullStr Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda
title_full_unstemmed Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda
title_sort Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda
author Lima, Bruno Pinheiro de Melo
author_facet Lima, Bruno Pinheiro de Melo
author_role author
dc.contributor.none.fl_str_mv Borges, Díbio Leandro
dc.contributor.author.fl_str_mv Lima, Bruno Pinheiro de Melo
dc.subject.por.fl_str_mv Aprendizagem profunda
Insetos
Agricultura
topic Aprendizagem profunda
Insetos
Agricultura
description Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, Programa de Pós-Graduação em Sistemas Mecatrônicos, 2024.
publishDate 2024
dc.date.none.fl_str_mv 2024-07-19T21:04:06Z
2024-07-19T21:04:06Z
2024-07-19
2024-03-15
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 LIMA, Bruno Pinheiro de Melo. Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda. 2024. 79 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos) — Universidade de Brasília, Brasília, 2024.
http://repositorio.unb.br/handle/10482/49062
identifier_str_mv LIMA, Bruno Pinheiro de Melo. Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda. 2024. 79 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos) — Universidade de Brasília, Brasília, 2024.
url http://repositorio.unb.br/handle/10482/49062
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 application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1839083988999733248

Registros relacionados