Imageamento aéreo para aplicação localizada de herbicidas

• Ano de defesa: 2023
• Autor(a) principal: Sacomani, Ronaldo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Agricultura sustentável; Artificial intelligence; Confusion matrix; Detecção de plantas daninhas; Inteligência artificial; Matriz de confusão; Remote sensing; Sensoriamento remoto; Sustainable agriculture; Weed detection
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-12042024-144022/

O aumento do uso de agrotóxicos na agricultura tem impactos na saúde humana, nos trabalhadores agrícolas e no ambiente. Nesse contexto, o Objetivo de Desenvolvimento Sustentável 2 (ODS 2), estabelecido pela Organização das Nações Unidas (ONU) promove ações agrícolas sustentáveis, fortalecendo a importância da adoção de estratégias agroecológicas e tecnologias para o manejo localizado de plantas daninhas que reduzam o uso de agrotóxicos sem prejudicar a produtividade agrícola e a produção de alimentos Diante disso, o uso de aeronaves remotamente pilotadas (RPAs) equipadas com câmeras para aquisição de imagens surge como uma alternativa promissora para o manejo localizado de plantas daninhas, porém, existem desafios tecnológicos a serem superados para a plena adoção dessa tecnologia. Dessa forma, o presente estudo tem como objetivo avaliar o desempenho de um algoritmo classificador na geração de mapas para aplicação localizada de herbicidas. Para produção do mapa de aplicação localizada de herbicidas, foram realizados voos com RPA em áreas comerciais produtoras de soja de primeira safra e milho de segunda safra para aquisição de imagens georreferenciadas. Posteriormente, realizou-se a correção das coordenadas GNSS pelo método cinemático pós-processado (PPK) para obtenção de precisão centimétrica das imagens capturadas. As imagens foram processadas para gerar ortomosaicos, que foram a fonte de entrada para o algoritmo avaliado gerar os mapas de aplicação localizada. Para avaliar os mapas gerados, foram coletados dados de referência em campo para gerar o mapa da verdade de campo, e empregou-se a metodologia da matriz de confusão de duas classes para avaliar o desempenho do algoritmo, permitindo a análise dos números de acertos, erros, cálculo dos indicadores de desempenho, além de verificar a correlação entre o mapa da verdade de campo e o mapa gerado pelo algoritmo. Os resultados dos indicadores de desempenho alcançaram valores médios de 0,78 para precisão, 0,95 para revocação, 0,77 para acurácia, 0,80 para F-score, 0,59 para Matthews correlation coefficient (MCC) e 0,56 de coeficiente de correlação linear de Pearson, indicando que o algoritmo teve desempenho superior para identificar plantas daninhas com área projeta no solo maiores que 400 cm2. O uso de algoritmos de inteligência artificial (IA) para classificação de imagens aéreas demonstrou ser uma técnica promissora para identificação de plantas daninhas e aplicação localizada de herbicidas. No entanto, são necessários ajustes e aprimoramentos no algoritmo avaliado, visando aperfeiçoar sua precisão e confiabilidade, principalmente para identificação de plantas daninhas com área projetada no solo menores que 400 cm2.