Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/39836
Full metadata record
DC FieldValueLanguage
dc.creatorLandim, Henrique Ferreira-
dc.date.accessioned2023-12-08T17:03:12Z-
dc.date.available2023-12-08T17:03:12Z-
dc.date.issued2023-11-29-
dc.identifier.citationLANDIM, 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/39836-
dc.description.abstractThe 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.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-NonCommercial-ShareAlike 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/us/*
dc.subjectAgriculturapt_BR
dc.subjectDetecçãopt_BR
dc.subjectHerbicidaspt_BR
dc.subjectPulverizaçãopt_BR
dc.subjectRede Neuralpt_BR
dc.subjectAgriculturept_BR
dc.subjectDetectionpt_BR
dc.subjectDetectionpt_BR
dc.subjectPulverizationpt_BR
dc.subjectNeural Networkpt_BR
dc.titleAplicação de um algoritmo de detecção de ervas daninhas baseado em redes neurais na pulverização pontual de herbicidas utilizados na produção agrícolapt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Silva, Rafael Augusto da-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7332279341824131pt_BR
dc.contributor.referee1Bertarini, Pedro Luiz Lima-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6101890440707894pt_BR
dc.contributor.referee2Coelho, Júlio Cézar-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3309306951751923pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/0465194022864924pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia de Eletrônica e Telecomunicaçõespt_BR
dc.sizeorduration85pt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::AUTOMACAO ELETRONICA DE PROCESSOS ELETRICOS E INDUSTRIAISpt_BR
dc.subject.cnpqCNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOTECNIA::MECANIZACAO AGRICOLApt_BR
dc.orcid.putcode148374996-
Appears in Collections:TCC - Engenharia Eletrônica e de Telecomunicações (Patos de Minas)

Files in This Item:
File Description SizeFormat 
TCC2HenriquePDFA.pdf23.81 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons