FenixEdu™

Dissertação

VINBOT: robot vision and learning from vineyards EVALUATED

Detalhes: O objectivo principal deste trabalho é de estimar o peso total das uvas após a vindima, com base numa segmentação autónoma de cachos em imagens. Primeiramente, o problema da segmentação é abordado pelo uso de uma FCN, treinada com dados da vinha do ISA, que por sua vez foram multiplicados com desdobramento de dados. A FCN foi testada e a função de custo ajustada de forma a que representasse o desequilíbrio que existe entre classes. Esta mudança é complementada com pré e pós-processamento que melhoram o resultado da métrica, o IOU, que avalia quão bem a segmentação efectuada se sobrepõe à realidade. O pré-processamento é composto por uma janela deslizante sobre a imagem e uma mudança de espaço de cor que melhorou a métrica para 62% no conjunto de teste. No pós-processamento, a operaçao morfológica "open" é usada e a imagem é reconstruída, com o objectivo de remover falsos positivos. O resultado atingido é de 64%. A segunda parte de testes é sobre a estimativa de peso. São usados dois modelos, um que estima a percentagem de cachos escondidos numa imagem, através da porosidade da vinha, outro que transforma área em peso. São usados quatro cenários diferentes, duas castas, arinto e encruzado, em duas fases, pintor e fim de maturação. Os resultados da fase pintor atingem o objectivo de menos de 10% de erro relativo ao real. Embora o processo precise de melhorias nalguns aspectos de forma a aumentar a robustez de todo o sistema, este conseguiu resultados satisfatórios.
Keywords: Visão computacional, Viticultura de precisão, Estimativa de peso, Aprendizagem automática

Discussão: outubro 30, 2020, 13:0