PROJETO

ENG17

Seleção e fusão de atributos para classificação cultura/solo/planta daninha com uso de redes neurais artificiais em nível de pixel: perspectiva da maldição da dimensionalidade

CATEGORIAS

a-linha-perfeita.png

Engenharias e Computação

clique aqui para ver o banner

a-linha-perfeita.png

Autoria:

Gustavo Camargo Alves

Orientação:

Michelle de Oliveira Parreira Ruwer

Instituição: 

IFSP - Câmpus Registro

RESUMO

A presença de plantas daninhas em meio às plantações gera grandes perdas na produtividade. A forma atual de combate às plantas daninhas é pela aplicação de herbicidas de forma extensiva sobre toda a plantação, o que causa a contaminação das culturas, solo, afluentes e comunidades próximas às plantações. Com o surgimento da agricultura 4.0, foi possibilitado o desenvolvimento de soluções que utilizam a aplicação da visão computacional e aprendizagem de máquina. Neste sentido, a identificação precisa de plantas daninhas em meio à plantação mostra-se como alternativa para a aplicação utilizada atualmente. A aprendizagem de máquina consiste em um algoritmo que, quando recebe um conjunto de dados de entrada, seja capaz de identificar padrões neste conjunto e, com o conhecimento adquirido na identificação desses padrões, tomar uma decisão, que no contexto da presente pesquisa consiste em classificar um objeto como planta daninha ou não. O conjunto de entrada fornecido ao algoritmo consiste em dados que representam objetos com atributos (características do objeto) previamente definidos. Nesta pesquisa os objetos são representados por pixels de três diferentes classes presentes na imagem: solo, alface e planta daninha. Os atributos utilizados são três diferentes espaços de cores (RGB, HSV e CMYK) e quatro atributos de fusão, que tem como objetivo destacar a cor verde na imagem (EXG, EXG2, TGI e VARI). A presente pesquisa teve por objetivo comparar o desempenho de classificação de um algoritmo de redes neurais artificiais com os diferentes atributos. Verificou-se que, por conta da maldição da dimensionalidade, o acréscimo de novos atributos além do espaço RGB causou a degradação na capacidade de classificação do algoritmo.

Palavras-chave: Visão computacional; inteligência artificial; agricultura 4.0; aprendizagem de máquina; reconhecimento de padrões.

foto da equipe quadrada - RAFAELA FURLANETTO LIBERALI.jpeg