"A Transversalidade da Ciência, Tecnologia e Inovações para o Planeta"
5 a 7 de outubro de 2021
Trabalho 15163
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Inteligência Artificial |
| Setor | Instituto de Ciências Exatas e Tecnológicas - Campus Rio Paranaíba |
| Conclusão de bolsa | Não |
| Primeiro autor | Sara Goretti Elias Ferreira |
| Orientador | LEANDRO HENRIQUE FURTADO PINTO SILVA |
| Título | Identificação de deformações não-lineares em imagens multiespectrais de VANTs usando Redes Neurais Convolucionais |
| Resumo | A agricultura é uma prática que encontra-se em constante evolução e possui diferentes formas de cultivo, servindo a várias necessidades humanas, como o alimento, matéria-prima para roupas, energia e medicamentos. Os agricultores têm, por um longo tempo, procurado maximizar a produção física e econômica das culturas, variando a aplicação de insumos de acordo com os tipos de solos e performance das culturas. Assim, a crescente utilização de recursos tecnológicos na agricultura impulsionou o que chamamos, atualmente, de Agricultura de Precisão (AP). A AP consiste, basicamente, em tratar cada região de uma determinada plantação de forma individualizada, em relação, principalmente, à aplicação de insumos agrícolas. Neste sentido, a AP tornou-se dependente de tecnologias de mapeamento e imageamento. Para a captura das imagens na AP, popularizou-se recentemente a utilização de Veículos Aéreos Não Tripulados (VANTs). Os VANTs realizam seus voos em baixas e médias altitudes, o que resulta em imagens de alta resolução das plantações. Além disso, é possível acoplar ao VANT diversos sensores, como as câmeras RGB, multi e hiperespectrais e sensores de calor. Assim, em virtude de o voo do VANT estar sujeito a variações do ambiente, bem como a natureza da aquisição das imagens, são comumente observados dois tipos de deformações entre os canais de uma imagem em sua captura, as (i) lineares e (ii) não-lineares. As deformações lineares consistem em transformações de rotação, translação, cisalhamento e escala, por exemplo; já as não-lineares possuem características variadas e sem um padrão definido. Para a correta análise das imagens na AP, é necessário que essas deformações sejam identificadas e corrigidas posteriormente. Posto isto, o presente trabalho tem como objetivo avaliar a capacidade de Redes Neurais Convolucionais (Convolutional Neural Networks em inglês - CNNs) de identificar a presença de deformações não-lineares entre os canais de uma imagem multiespectral obtida por VANTs na AP. Para tanto, pretende-se, a partir de dois conjuntos de dados, contendo imagens de culturas diferentes (soja e algodão): (i) inserir artificialmente deformações não-lineares em cada uma das bandas das imagens; (ii) propor uma arquitetura baseada em CNN que seja capaz de identificar quanto a presença (ou não) de deformações nas imagens consideradas; (iii) comparar os resultados da arquitetura proposta com CNNs tradicionais (e.g., SqueezeNet, ResNet, VGG-16) para o problema em questão; e (iv) avaliar quantitativamente a capacidade das CNNs de solucionar o referido problema. Deste modo, a posse da informação acerca da presença (ou não) desse tipo de deformação entre os canais irá fomentar e contribuir para o processo seguinte de correção das deformações. |
| Palavras-chave | Convolutional Neural Networks, Imagens Multiespectrais, Agricultura de Precisão |
| Forma de apresentação..... | Vídeo |
| Link para apresentação | Vídeo |
|---|