Publicação: Aplicação de um algoritmo de detecção de ervas daninhas baseado em redes neurais na pulverização pontual de herbicidas utilizados na produção agrícola
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::AUTOMACAO ELETRONICA DE PROCESSOS ELETRICOS E INDUSTRIAIS, CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOTECNIA::MECANIZACAO AGRICOLA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
O uso de agrotóxicos, no Brasil e no mundo, é tema de pesquisas relacionadas a
intoxicações, contaminações do solo e da água, e tendências cancerígenas. Nesse sentido,
novos estudos projetos que aumentam a eĄciência desses compostos vem sendo difundidos
no meio acadêmico. Atualmente, a inteligência artiĄcial está sendo cada vez mais utilizada
na agricultura, a Ąm de buscar ganhos e melhorias nos processos agronômicos. Dessa
forma, o propósito principal deste trabalho, foi desenvolver um modelo de detecção de
ervas daninhas, com o intuito de aplicar esse modelo em sistemas de pulverização, uma
técnica promissora que diminui a quantidade de agrotóxicos por ser aplicados em taxa
variada. Foi utilizado o algoritmo You Only Look Once (YoLo) que utiliza uma única
rede neural a Darknet, para fazer as detecções das classes. Outras pesquisas com mesmo
escopo foram estudas para dar respaldo e base cientíĄca para o trabalho, que resultou
em detecções de quatro espécies de ervas daninhas, o caruru, o capote, a vassoura e a
trapoeraba. Ao Ąm dos treinamentos da rede neural, alcançou-se uma precisão de 51%
na classe da erva juá-de-capote, 31% na classe do caruru, 29% na classe da trapoeraba e
17% na classe da vassoura.
Abstract
The use of pesticides, both in Brazil and globally, is the subject of research related
to intoxication, soil and water contamination, and cancer-related trends. In this context,
new studies and projects aimed at increasing the efficiency of these compounds are being
disseminated in academic circles. Currently, artiĄcial intelligence is increasingly used in
agriculture to seek gains and improvements in agronomic processes. Thus, the main purpose of this work was to develop a weed detection model with the intention of applying
this model in spread spray systems, a promising technique that reduces the amount of
herbicides applied through variable-rate application. The YoLo algorithm, which utilizes
a single neural network in the Darknet, was employed for class detections. Other studies
with the same scope were examined to provide support and scientiĄc basis for the work,
resulting in detections of four weed species: caruru, juá-de-capote, vassoura, and trapoeraba. At the end of the neural network training, an accuracy of 51% was achieved for
the juá-de-capote weed class, 31% for the caruru class, 29% for the trapoeraba class, and
17% for the vassoura class.
Palavras-chave
Agricultura, Detecção, Herbicidas, Pulverização, Rede Neural, Agriculture, Detection, Detection, Pulverization, Neural Network
Citação
LANDIM, Henrique Ferreira. Aplicação de um algoritmo de detecção de ervas daninhas baseado em redes neurais na pulverização pontual de herbicidas utilizados na produção agrícola. 2023. 85 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica e de Telecomunicações) – Universidade Federal de Uberlândia, Uberlândia, 2023.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto