Publicação: Monitoramento espaço-temporal da maturação do café utilizando metodologia de baixo custo baseada em imagem
Carregando...
Data
2023-07-11
Autores
Orientador
Silva, Rouverson Pereira da
Silva, Rouverson Pereira da
Coorientador
Pós-graduação
Curso de graduação
Engenharia Agronômica - FCAV
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Existem diversos termos a serem tratados em relação à importância do café no Brasil, tais como, a comercialização de máquinas e implementos agrícolas a serem utilizados na cultura para uma colheita mecanizada, a geração de mais empregos dentro e fora do campo, giro de renda no comércio de insumos e defensivos, nas exportações de café para fora do país e nas novas áreas como agricultura digital. A demanda por tecnologia em meio agrícola vem crescendo muito nos últimos anos, e o mercado vem atendendo bem a essa necessidade.. Para fazer acontecer tal realidade é preciso realizar diversas etapas, e, graças à inteligência artificial os avanços têm sido consideráveis. Objetivou-se neste trabalho a construção de um algoritmo de detecção de objetos para classificar frutos do café por estádio de maturação, visando a aplicação na colheita mecanizada seletiva . O modelo utilizado foi o SSD Mobilenet V2 e o algoritmo proposto apresentou precisão de pelo menos 41%. É possível usar o algoritmo de detecção de objetos de baixo custo, com imagens de banco de dados públicos. O estudo foi divido em 2 propostas: a primeira com imagens de campo coletados por um dispositivo de baixo custo (em uma grade regular de pontos e em 4 datas) , a segunda baseado em imagens de um banco de dados público. Na média, a precisão foi de 41% (ou seja, 41% das detecções eram de fato frutos de café) e revocação de 58% (ou seja, foram detectados 58% de todos os frutos presentes na imagem). Nesse estudo foi possível implementar um algoritmo de detecção de objetos de baixo recurso computacional para classificar frutos de café por estágio de maturação.
Resumo (português)
There are several terms to be discussed in relation to the importance of coffee in Brazil, such as the commercialization of agricultural machines and implements to be used in the crop for mechanized harvesting, the generation of more jobs inside and outside the field, income turnover in the trade in inputs and pesticides, in coffee exports abroad and in new areas such as digital agriculture. The demand for technology in the agricultural environment has grown a lot in recent years, and the market has been meeting this need well. The objective of this work was the construction of an object detection algorithm to classify coffee fruits by maturation stage, aiming at application in selective mechanized harvesting. The model used was the SSD Mobilenet V2 and the proposed algorithm presented an accuracy of at least 41%. It is possible to use low-cost object detection algorithm with images from public databases. The study was divided into 2 proposals: the first with field images collected by a low-cost device (in a regular grid of points and in 4 dates), the second based on images from a public database. On average, accuracy was 41% (ie 41% of the detections were actually coffee berries) and recall 58% (ie 58% of all berries present in the image were detected). In this study, it was possible to implement a low computational object detection algorithm to classify coffee fruits by maturity stage.
Descrição
Palavras-chave
Idioma
Português
