Detecção e contagem de plantas via aprendizagem profunda usando imagens coletadas por RPA

Autores

DOI:

https://doi.org/10.5039/agraria.v17i2a1353

Palavras-chave:

agricultura, estimativa de produção, imagens RGB, YOLO

Resumo

Contagem de plantas e localização são essenciais para proporcionar melhor controle e estimativas de produção em regiões agrícolas. Técnicas baseadas em aprendizagem profunda tem se destacado em diversos domínios de aplicação, incluindo análises em imagens coletadas por RPA. Este artigo propõe a utilização de um modelo de aprendizado profundo para detectar e contar plantas de feijão em imagens RGB adquiridas por um veículo aéreo não tripulado. Os resultados foram obtidos via modelo YOLO, com validação realizada em imagens anotadas manualmente. Os resultados experimentais do modelo treinado, considerando sobreposição maior ou igual a 50%, teve precisão média de 84.8% e recall de 89% para imagens onde o treinamento e os testes foram realizados no mesmo campo. Também foram realizados experimentos com o modelo treinado em imagens de regiões diferentes do treinamento, demonstrando resultados efetivos na detecção de contagem de plantas.

Downloads

Não há dados estatísticos.

Downloads

Publicado

2022-06-20

Como Citar

Kelly Lais Wiggers, Carlos Daniel Pohlod, Regiane Orlovski, Rodrigo Ferreira, & Thais Amanda Santos. (2022). Detecção e contagem de plantas via aprendizagem profunda usando imagens coletadas por RPA. Revista Brasileira De Ciências Agrárias, 17(2), 1-9. https://doi.org/10.5039/agraria.v17i2a1353

Edição

Seção

Engenharia Agrícola