“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
Gerado em 0,63 segundos.