Please use this identifier to cite or link to this item: https://repositorio.ifgoiano.edu.br/handle/prefix/4716
metadata.dc.type: Dissertação
Title: MODELOS DE APRENDIZAGEM PROFUNDA PARA DETECÇÃO E SEGMENTAÇÃO DE PLANTAS DANINHAS COM IMAGENS OBTIDAS POR UAV
metadata.dc.creator: Silva, Josef Augusto Oberdan Souza
metadata.dc.contributor.advisor1: Oliveira, Henrique Fonseca Elias de
metadata.dc.contributor.advisor-co1: Vale, Luís Sérgio Rodrigues
metadata.dc.contributor.referee1: Lacerda, Lorena Nunes
metadata.dc.contributor.referee2: Alves Júnior, Leomar Rufino
metadata.dc.contributor.referee3: Mesquita, Marcio
metadata.dc.description.resumo: Plantas daninhas competem por recursos naturais e interferem no desenvolvimento das plantas comerciais presentes na área. Com o avanço de tecnologias com aprendizado de máquina profundo, surgiram estudos que propõem detectar, classificar e monitorar plantas daninhas em culturas agrícolas para o manejo e controle. Dada a relevância do assunto, este estudo teve como objetivo proceder a uma revisão dos principais estudos com aplicação de aprendizado de máquina profundo em culturas agrícolas e avaliar a aplicação destes modelos para a detecção e segmentação de plantas daninhas em imagens capturadas por UAV. O estudo contribui para o campo da visão computacional com uma revisão dos estudos recentes sobre a aplicação, comparação e desempenho de três modelos com arquiteturas diferentes entre si e torna público o conjunto de dados com imagens aéreas de culturas de soja e feijão. O conjunto de dados foi anotado, redimensionado e aumentado, usando a interface de aplicação Roboflow e, posteriormente, treinado. YOLO, Mask R-CNN com Detectron2 e U-Net foram treinados e avaliados usando as métricas de validação mAP50, mAP50-90, precisão, acurácia e recall e, em seguida, comparados entre si. A variante YOLOv8s obteve maior desempenho, com maior valor de mAP50 de 97%, recall de 99% e precisão de 99,7%, em comparação com os demais modelos. A comparação dos resultados dos diferentes modelos de aprendizagem profunda, neste estudo, demonstrou grande potencial no uso de algoritmos avançados de aprendizagem profunda para segmentação de plantas invasoras.
Abstract: Weeds compete for natural resources and interfere with the development of business plants present in the area. With the advancement of deep machine learning technology, studies have emerged proposing to detect, classify, and monitor weeds in agricultural crops for management and control. Due to the importance of the subject, this paper aimed to review the main studies applying deep learning to agricultural crops and evaluate the application of these models to detect and segment weeds in images captured by unmanned aerial vehicles (UAVs). This paper contributes to the computer vision field reviewing recent studies about the application, comparison, and performance of three models with different architectures from one another and makes public the dataset with aerial images of soybean and bean crops. The dataset was annotated, resized, and increased by the Roboflow application interface and, subsequently, trained. You Only Look Once (YOLO), Mask R-CNN with Detectron2, and U-Net were trained and evaluated by the mAP50, mAP50-90, precision, accuracy, and recall validation metrics and then compared to each other. The YOLOv8s variant achieved higher performance with a higher mAP50 value of 97%, recall of 99%, and precision of 99.7%, when compared to the other models. The results comparison of the different deep learning models in this paper showed great potential in the use of advanced deep learning algorithms to segment invasive plants.
Keywords: Agricultura de precisão, algoritmos de segmentação, inteligência artificial, modelos de aprendizagem.
Machine learning, deep learning, unmanned aerial vehicle
metadata.dc.subject.cnpq: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
CIENCIAS AGRARIAS
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Instituto Federal Goiano
metadata.dc.publisher.initials: IF Goiano
metadata.dc.publisher.department: Campus Ceres
metadata.dc.publisher.program: Programa de Pós-Graduação em Irrigação do Cerrado
metadata.dc.rights: Acesso Aberto
URI: https://repositorio.ifgoiano.edu.br/handle/prefix/4716
Issue Date: 27-Mar-2024
Appears in Collections:Mestrado Profissional em Irrigação do Cerrado

Files in This Item:
File Description SizeFormat 
Dissertação_JOSEF AUGUSTO OBERDAN SOUZA SILVA.pdf3,96 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.