SEMIAUTOMATIC DETECTION OF TREES IN IRRIGATED MANGO ORCHARD FROM DRONE IMAGES

Abstract

DETECÇÃO SEMIAUTOMÁTICA DE ÁRVORES EM POMAR DE MANGUEIRA IRRIGADA A PARTIR DE IMAGENS OBTIDAS POR DRONE

CARLOS ANDRÉ DE SOUZA SÁ¹; MAGNA SOELMA BESERRA DE MOURA^1,2; JOSICLÊDA DOMICIANO GALVÍNCIO³; RODRIGO DE QUEIROGA MIRANDA³; MARCELO JOSÉ DA SILVA⁴ E CLOVES VILAS BOAS DOS SANTOS³

¹ Programa de Pós Graduação em Engenharia Agrícola, Universidade Federal do Vale do São Francisco, Av. Antônio Carlos Magalhães, 510, Santo Antônio, CEP 48.903-210, Juazeiro, BA, Brasil, carlosandreagronomia@outlook.com; magna.soelma@gmail.com.

² Embrapa Semiárido, BR 428, Km 152, s/n, Zona Rural, Petrolina, PE, Brasil, magna.moura@embrapa.br.

³ Programa de Pós Graduação em Desenvolvimento e Meio Ambiente, Universidade Federal de Pernambuco, Av. Acadêmico Hélio Ramos, s/n, Cidade Universitária, 50.740-530, Recife, PE, Brasil, josicleda.galvincio@ufpe.br, rodrigo.qmiranda@gmail.com, clovesvilasboas@gmail.com.

⁴ Programa de Pós Graduação em Engenharia Agrícola, Universidade Federal Rural de Pernambuco, Rua Dom Manuel de Medeiros, s/n, Dois Irmãos, CEP 52.171-900, Recife, PE, Brasil, marcelosilvaagr@gmail.com.

1 RESUMO

O monitoramento da população de plantas em áreas agrícolas é fundamental para acompanhar a produtividade, auxiliar no planejamento e na tomada de decisão. Assim, objetivou-se propor um protocolo para identificação remota de árvores de mangueiras no Submédio do Vale do São Francisco por meio de softwares e plugins gratuitos aplicados em imagens aéreas obtidas com drones. O estudo foi desenvolvido em três pomares de mangueira, empregando-se modelos digitais obtidos a partir de ortomosaicos gerados em três qualidades de processamento; avaliados no QGIS utilizando-se os plugins ‘Tree Density Calculator’ e ‘SAGA GIS’. Os resultados obtidos foram avaliados por meio dos índices de Precisão, Revocação e F1–Score. O índice de Precisão foi mais elevado para o processamento em qualidade baixa. O índice de Revocação apresentou maiores valores no processamento em qualidade média e elevada, indicando que quanto maior a qualidade do processamento, maior é a chance de acertar na contagem de árvores. Os maiores valores de F1–Score foram observados para o Tree Density Calculator com processamento na resolução baixa. Recomenda-se o uso de um protocolo para a identificação e contagem remota de árvores de mangueiras, de forma semiautomática por meio da utilização de imagens obtidas por VANTs e softwares de código livre e aberto.

Palavras-chave: Identificação de árvores, mangicultura, sensoriamento remoto, veículo aéreo não tripulado.

SÁ, C. A. S.; MOURA, M. S. B.; GALVÍNCIO, J. D.; MIRANDA, R. Q.; SILVA, M. J.;  SANTOS, C. V. B.

SEMIAUTOMATIC DETECTION OF TREES IN IRRIGATED MANGO ORCHARD FROM DRONE IMAGES

2 ABSTRACT

The monitoring of plant populations in agricultural areas is essential to follow the productivity, assisting in planning and decision making. Thus, our objective was to propose a protocol for remote detection of mango trees in the Low-Middle of the Sao Francisco River Valley, by using free software and plugins applied on aerial drone images. The study was conducted in three mango orchards. We used digital models extracted from orthomosaics created under three level of quality; then they were evaluated on the package QGIS with the plugins ‘Tree Density Calculator’ and ‘SAGA GIS’. The results were evaluated with the indices Precision, Recall and F1–Score. The precision index was higher for low-quality processing; while the recall index showed higher values under medium and high quality, indicating that the higher the quality of the processing, the greater is the chance of acquiring an efficient tree counting. The highest F1–Score values were observed for the Tree Density Calculator plugin with low processing resolution. We recommend using this protocol for the remote identification and counting of mango trees, in a semiautomatic methodology by using aerial images obtained using drones and free software and plugins.

Keywords: Identification of trees, mango cultivation, remote sensing, unmanned aerial vehicle.