“Bicentenário da Independência: 200 anos de ciência, tecnologia e inovação no Brasil e 96 anos de contribuição da UFV”.
8 a 10 de novembro de 2022
Trabalho 16703
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Engenharia agrícola |
| Setor | Departamento de Engenharia Agrícola |
| Bolsa | FUNARBIC/FUNARBE |
| Conclusão de bolsa | Não |
| Primeiro autor | Higor de Queiroz Ribeiro |
| Orientador | EVERARDO CHARTUNI MANTOVANI |
| Outros membros | Ígor Boninsenha |
| Título | Um classificador de imagens de sensoriamento remoto para redes neurais convolucionais. |
| Resumo | Diante do atual cenário da agricultura brasileira, da escassez hídrica e de conflitos por uso de água faz-se necessário o desenvolvimento de tecnologias e técnicas de monitoramento de áreas irrigadas visando o uso eficiente da água para irrigação. O conceito de eficiência de irrigação está diretamente relacionado com a uniformidade de irrigação, porém a sua determinação é uma tarefa onerosa e passível de erros. O sensoriamento remoto, através dos índices de vegetação, tem sido utilizado para monitoramento da uniformidade das lavouras em campo, indicando a uniformidade de irrigação em áreas irrigadas por pivô central. As Redes Neurais Convolucionais (RNC), são frequentemente utilizadas para classificação de imagens, podendo também ser utilizada para automatizar o monitoramento de áreas irrigadas, mas para possibilitar esta análise é necessário criar uma base de dados de imagens que serão utilizadas no treinamento e teste da RNC. O objetivo do trabalho é desenvolver um classificador de imagens de sensoriamento remoto para treinamento de uma RNC. Os objetivos específicos são o desenvolvimento de um gerador de imagens aleatórios no banco de dados, e o desenvolvimento de um classificador manual que permita separar as imagens em classes de uniformidade. O banco de dados de imagens utilizado é referente a 348 pivôs centrais da região do Alto Rio das Mortes – MT, filtrando as imagens com cobertura de nuvens de até 10% e com índice de vegetação NDVI médio entre 0,5 e 1,0. O classificador foi desenvolvido na linguagem Phyton, com a biblioteca Gradio, utilizando a interface Google Colaboratory. A primeira etapa do classificador consiste na seleção de uma imagem aleatória do banco de dados já filtrado, extração dos valores das bandas vermelho (V), verde e azul, e infravermelho próximo (NIR) e construção de uma imagem de NDVI (NIR-V/NIR+V) e uma imagem em cor verdadeira, exibindo estas aos usuários do sistema. A Segunda etapa consiste em caixas de seleção para a classificação em: uniforme (1), nuvens (2), despressurização (3), problemas com emissores (4), problemas de operação de irrigação (5) e falhas de cultivo não relacionadas a irrigação (6). O código retorna um arquivo texto contendo as informações da classificação. A partir disso foi gerada uma interface tabular para disponibilizar o classificador. Como resultado foram obtidas 1106 classificadas, das quais 403 para classe 1, 226 – 2, 57 – 3, 114 – 4, 51 – 5, 255 – 6. O classificador se mostrou eficiente reduzindo o tempo de classificação quando comparados a métodos utilizando softwares como o QGIS, além de reduzir erros e otimizar o processo de classificação. |
| Palavras-chave | Eficiência de Irrigação, NDVI, Pivô Central |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|