http://repositorio.unb.br/handle/10482/37010| Fichier | Description | Taille | Format | |
|---|---|---|---|---|
| 2019_AdãoNunesAlves.pdf | 26,15 MB | Adobe PDF | Voir/Ouvrir |
| Titre: | Visão computacional e aprendizagem profunda no reconhecimento de pragas de plantações de algodão |
| Autre(s) titre(s): | Computer vision and deep learning in pests recognition of cotton plantations |
| Auteur(s): | Alves, Adão Nunes |
| Orientador(es):: | Borges, Díbio Leandro |
| Assunto:: | Algodão - doenças e pragas Aprendizagem residual profunda Classificação de imagens Imagens, ilustrações, etc. |
| Date de publication: | 28-fév-2020 |
| Data de defesa:: | 16-aoû-2019 |
| Référence bibliographique: | ALVES, Adão Nunes. Visão computacional e aprendizagem profunda no reconhecimento de pragas de plantações de algodão. 2019. xviii, 69 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2019. |
| Résumé: | As pragas na agricultura são consideradas causas importantes de perdas nas lavouras em todo o mundo. O algodão é uma fonte importante de fibras têxteis, e as pragas e seu manejo são os maiores custos variáveis na produção de algodão. Identificar as pragas de algodão mais prejudiciais em condições de campo contribui para ações ainda mais eficientes com estratégias ambientalmente aceitáveis e, ainda, economicamente eficazes. Nesta dissertação, propõe-se desenvolver um sistema de classificação para quinze categorias de pragas de algodão (primárias e secundárias) e mensurar o seu desempenho considerando imagens de campo, organizados em um novo conjunto de dados de imagens RGB de campos de algodão. Os testes são realizados com diferentes classificadores, e uma rede residual profunda modificada (ResNet34*) é proposta para tarefa, a qual obteve em média a melhor taxa de acerto na validação cruzada com a precisão de 98,1%. |
| Abstract: | Pests in agriculture are deemed to be important cause of losses in crops worldwide. Cotton is an important source of textile fiber, and insect pests and their management are the highest variable cost in cotton production. Identifying the most harmful cotton pests in field conditions helps further efficient actions for environmentally acceptable and yet economically effective strategies. In this research, a classification system for fifteen major cotton pests (primary and secondary) is proposed and its performance considered upon field-image data, organized in a new ground-truth dataset of cotton fields RGB images. Tests are performed with different classifiers and a modified deep residual network (ResNet34*) is proposed for the task achieving the highest mean accuracy of 98.1% in the cross validation test. |
| metadata.dc.description.unidade: | Faculdade de Tecnologia (FT) Departamento de Engenharia Mecânica (FT ENM) |
| Description: | Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2019. |
| metadata.dc.description.ppg: | Programa de Pós-Graduação em Sistemas Mecatrônicos |
| Licença:: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. |
| Collection(s) : | Teses, dissertações e produtos pós-doutorado |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.