MACHINE LEARNING E PROCESSAMENTO DIGITAL DE IMAGENS UAV: UMA ABORDAGEM PARA ESTIMAR DISTRIBUIÇÃO LONGITUDINAL DE PLANTAS DE SOJA

Autores/as

  • Flávia Luize Pereira de Souza Universidade Estadual Paulista "Júlio de Mesquita Filho"
  • João Ricardo Favan
  • José Raimundo de Souza Passos
  • Maurício Acconcia Dias
  • Sérgio Campos

DOI:

https://doi.org/10.17224/EnergAgric.2022v37n3p1-11

Resumen

MACHINE LEARNING E PROCESSAMENTO DIGITAL DE IMAGENS UAV: UMA ABORDAGEM PARA ESTIMAR DISTRIBUIÇÃO LONGITUDINAL DE PLANTAS DE SOJA*

 

FLÁVIA LUIZE PEREIRA DE SOUZA1, JOÃO RICARDO FAVAN2, JOSÉ RAIMUNDO DE SOUZA PASSOS3, MAURÍCIO ACCONCIA DIAS4, SÉRGIO CAMPOS5

 

* Artigo extraído da dissertação do primeiro autor.

1 Louisiana State University – LSU, School of Plant, Environmental, and Soil Sciences, 104 MB Sturgis Hall, LSU Campus, 70801, Baton Rouge, LA, Estados Unidos, Doutoranda Universidade Estadual Paulista - UNESP, Faculdade de Ciências Agronômicas, Departamento de Engenharia Rural, Av. Universitária, 3780, Altos do Paraíso, 18610-034, Botucatu, SP, Brasil, e-mail: flavia.luize@unesp.br

2 Faculdade de Tecnologia de Pompéia - Shunji Nishimura - Fatec, Av. Shunji Nishimura, Departamento de Big Data no Agronegócio, 605, Distrito Industrial, 17580-000, Pompéia, SP, Brasil, e-mail: joao.favan@fatecpompeia.edu.br

3 Universidade Estadual Paulista – UNESP, Instituto de Biociências, Departamento de Biodiversidade e Bioestatistica, R. Prof. Dr. Antônio Celso Wagner Zanin, 250, Distrito de Rubião Junior, 18618-689, Botucatu, SP, Brasil, e-mail: jr.passos@unesp.br

4 Fundação Hermínio Ometto - FHO, Departamento de Engenharia, Av. Dr. Maximiliano Baruto, 500, Jardim Universitário, 13607-339, Araras, SP, Brasil, e-mail: macdias@fho.edu.br

5 Universidade Estadual Paulista - UNESP, Faculdade de Ciências Agronômicas, Departamento de Engenharia Rural, Av. Universitária, 3780, Altos do Paraíso, 18610-034, Botucatu, SP, Brasil, e-mail: sergio.campos@unesp.br

 

RESUMO: É possível alcançar altas produtividades na lavoura de soja, por meio da semeadura com distribuição espacial adequada e uniforme das sementes. Com isso se faz importante o uso de tecnologias, como a aplicação do Processamento Digital de Imagens, que permite tratar as imagens coletadas e aperfeiçoá-las para a interpretação humana e, em seguida, a análise automática pelo computador, a partir da classificação do reconhecimento de padrões. O objetivo desta pesquisa foi testar métodos de Machine Learning para estimar a distribuição das plantas na linha de plantio da lavoura de soja. O modelo Random Forest apresentou melhor resultado com acurácia em torno de 65% em média, porém o algoritmo não obteve um resultado considerado satisfatório. É possível concluir que a dificuldade de classificação das distâncias entre plantas de soja com o modelo utilizado pode estar associada às variáveis qualidade de imagem, sobreposição das plantas de soja e a precisão do modelo.

 

Palavras-chave: Aeronave remotamente pilotada; Agricultura de precisão; Inteligência Artificial; Visão Computacional.

 

MACHINE LEARNING AND DIGITAL UAV IMAGE PROCESSING: AN APPROACH TO ESTIMATE THE LONGITUDINAL DISTRIBUTION OF SOYBEAN PLANTS

 

ABSTRACT: It is possible to achieve high productivity in soybean crops, by sowing with adequate and uniform local distribution of the seeds.  To attain this, the use of technologies is important - for example the application of Digital Image Processing that allows treatment of collected images and improvement for human interpretation, and then the automatic analysis by the computer, based on pattern recognition classification. The objective of this research was to test Machine Learning methods to estimate the distribution of plants in the soybean planting line. The Random Forest model showed the best result, where the resulting accuracy was 65% on average, but the algorithm did not obtain a good result. It is possible to conclude that the difficulty of classifying the distances between soybean plants with the model used may be associated with the variables of image quality, overlapping of soybean plants and the precision of the model.

 

Keywords: Artificial intelligence; Computer vision; Precision agriculture; Remotely piloted aircraft.

Publicado

2022-09-30

Cómo citar

Souza, F. L. P. de ., Favan, J. R. ., Passos, J. R. de S. ., Dias , M. A. ., & Campos, S. (2022). MACHINE LEARNING E PROCESSAMENTO DIGITAL DE IMAGENS UAV: UMA ABORDAGEM PARA ESTIMAR DISTRIBUIÇÃO LONGITUDINAL DE PLANTAS DE SOJA. Energia Na Agricultura, 37(3), 1–11. https://doi.org/10.17224/EnergAgric.2022v37n3p1-11

Artículos más leídos del mismo autor/a

<< < 1 2 3 > >>