Desenvolvimento de Estrutura Robótica para Aquisição e Classificação de Imagens (ERACI) de Lavoura de Cana-de-Açúcar

Abstract

A agricultura digital tem contribuído com a melhoria da eficiência na aplicação de insumos ou no plantio em local pré-determinado, resultando no aumento da produtividade. Nesta realidade a aplicação de técnicas de Processamento de Imagens Digitais, bem como a utilização de sistemas que utilizam a Inteligência Artificial, tem ganhado cada vez mais a atenção de pesquisadores que buscam a sua aplicação nos mais diversos meios. Com o objetivo de desenvolver um sistema robótico que utiliza um sistema de visão computacional capaz analisar uma imagem e, detectar basicamente a presença de cana-de-açúcar e planta daninha, bem como a ausência de qualquer planta, o projeto desenvolvido unificou conhecimentos sobre estas duas áreas da ciência da computação com a área de robótica e agricultura que, culminou no desenvolvimento de uma estrutura robótica com ferramentas gratuitas, como é o caso dos softwares e hardwares modulares voltados para o ensino de informática em escolas. A união de tudo isso resultou em uma estrutura de software e hardware que captura e armazena imagens em um banco de dados; além de possibilitar a classificação de imagens pelos usuários habilitados por meio de aplicativo Android. Por meio da verificação da acurácia entregue pelos algoritmos de Machine Learning, com injeção cíclica e, pela análise do tempo de resposta, foi constatado que o sistema é capaz, munido destas informações, de gerar classificadores que, remotamente são carregados pelo DRR (Dispositivo Robótico Remoto) e estes, por sua vez, foram capazes de classificar imagens em lavoura de cana-de-açúcar em tempo real.

Digital agriculture has contributed to improving efficiency in the application of inputs or planting in a predetermined location, resulting in increased productivity. In this reality, the application of Digital Image Processing techniques, as well as the use of systems that use Artificial Intelligence, has increasingly gained the attention of researchers who seek their application in the most diverse media. In order to develop a robotic system capable of creating a computer vision system capable of analyzing an image and basically detecting the presence of sugarcane and weed, as well as the absence of any plant, the project developed unified knowledge on these two areas of computer science with the area of robotics and agriculture, which culminated in the development of a robotic structure with free tools, such as software and modular hardware aimed at teaching computer science in schools. The combination of all this resulted in a software and hardware structure capable of allowing the capture and storage of images in a database; in addition to enabling the classification of images by users enabled through the Android application. By checking the accuracy delivered by the Machine Learning algorithms with cyclic injection and analyzing the response time, it was found that the system was able, with this information, to generate classifiers that are remotely loaded by the RRD and these, in turn, were able to classify images in sugarcane fields in real time.