Detecção e contagem de plantas via aprendizagem profunda usando imagens coletadas por RPA
DOI:
https://doi.org/10.5039/agraria.v17i2a1353Palavras-chave:
agricultura, estimativa de produção, imagens RGB, YOLOResumo
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
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.