Use este identificador para citar ou linkar para este item: https://repositorio.ufms.br/handle/123456789/2765
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSilva, Diogo Soares da-
dc.date.accessioned2016-05-17T22:23:58Z-
dc.date.available2021-09-30T19:57:37Z-
dc.date.issued2016-
dc.identifier.urihttps://repositorio.ufms.br/handle/123456789/2765-
dc.description.abstractNeste trabalho é apresentado uma aplicação para a contagem de insetos em plantações de soja, o objetivo desta aplicação é ser uma ferramenta para o auxílio de agrônomos e técnicos agrícolas na inspeção de cultivos de soja. A aplicação utiliza imagens aéreas, capturadas por Veículos Aéreos não Tripulados, para a contagem dos insetos, e com esta informação o especialista pode definir se existe infestação de insetos na plantação ou não, decidindo se é necessária a aplicação de inseticidas. Para a identificação e contageßm dos insetos, técnicas de visão computacional baseadas em Pontos de Interesse foram utilizadas, sendo o Speeded Up Robust Feaure (SURF) a técnica utilizada para a detecção e descrição dos Pontos de Interesse das imagens analisadas. Para a classificação dos insetos, técnicas baseadas em casamento de modelos, em específico técnicas que utilizam os pontos de interesse para definir o casamento entre as imagens, foram utilizadas para definir a semelhança entre a imagem teste com as classes analisadas. Com essa informação três métricas foram utilizadas para definir a classe do inseto, a do ponto com distância mínima, a distância média mínima e o número de casamentos. Nos experimentos realizados foram variados os parâmetros do detector e descritor de pontos de interesse a fim de encontrar os melhores resultados para a classificação. O método proposto foi comparado com três classificadores baseados em Máquina de Vetores de Suporte, K vizinhos mais próximos e árvores de decisão. O método proposto obteve uma medida-F de 0.899 sendo estatisticamente melhor do que o classificador baseado em árvores de decisão e semelhante aos baseados em Máquina de Vetores de Suporte e K vizinhos mais próximos. O módulo de contagem foi comparado com a contagem de um especialista que marcou todas as imagens de teste. Através do teste de hipóteses ANOVA (Análise de variância) foi comprovado que a contagem do método proposto e do especialista não são divergentes, com um nível de significância de 5%, evidenciando o potencial da proposta na automação de avaliações de pragas em campo.pt_BR
dc.description.abstractABSTRACT - This work presents an application to count insects in soybean fields. The purpose of this application is to help agronomists and agricultural technicians in the inspection of soybean crops. The application uses aerial images, captured by unmanned aerial vehicles, to count the insect. With this information specialists can determine whether there is an insect infestation in the crop field or not, deciding whether the use of insecticides is required. For identifying and counting of insects, computer vision techniques based on Points of Interest were used, where Speeded Up Robust Feaure (SURF) was the technique used for the detection and description of the Points of Interest of the analyzed images. For classifying the insects, techniques based on template matching, in specific techniques that use the points of interest to set the matching between images, were used to define the similarity between the test image and the analyzed classes. With this information, three metrics were used to define the insect class, them being, the point with minimum distance, the average minimum distance and the number of matches. In the experiments the detector parameters and descriptor points of interest were changed until the best results for classification were found. The proposed method was compared to three classifiers based on Support Vector Machine, K nearest neighbor and decision trees. The proposed method achieved an F-measure of 0,899 being statistically better than the classifier based on decision trees and similar to those based on Support Vector Machine and K nearest neighbors. The counter module was compared to the count of an expert who classified all test images. Through ANOVA hypothesis testing (analysis of variance) it was proven that the count of the proposed method and the expert’s are not divergent, with a significance level of 5%, evidentiating the proposal’s potential in automating assessments of pests in crop fields.pt_BR
dc.language.isoporpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectSojapt_BR
dc.subjectPragaspt_BR
dc.subjectAgricultura - serviços de informaçãopt_BR
dc.subjectSoybeanpt_BR
dc.subjectPestspt_BR
dc.subjectAgriculture - information servicespt_BR
dc.titleAtributos de ponto de interesse e casamento de modelos para contagem de insetos-praga em cultura de sojapt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Pistori, Hemerson-
Aparece nas coleções:Programa de Pós-graduação em Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Diogo Soares da Silva.pdf2,71 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.