Dissertação
Field Description Using Aerial Images EVALUATED
O tópico da sustentabilidade tem sido debatido nas últimas décadas, sendo o desenvolvimento agrícola de extrema importância. A agricultura de precisão é cada vez mais praticada, consistindo num conjunto de ferramentas digitais para monitorizar os processos agrícolas. O objetivo deste trabalho é desenvolver algoritmos para classificação automática da ocupação do solo. O objeto de estudo são imagens aéreas RGB de alta resolução, pertencentes a duas épocas do ano, obtidas com auxílio de um drone. As imagens representam um sistema agro-silvo-pastoril extensivo de sequeiro, onde as classes de interesse são árvores, sombras e solo. A classe do solo engloba o solo nu e os pastos. Foram desenvolvidos quatro métodos de classificação, todos com um passo em comum, onde são geradas regiões de interesse para classificação. O primeiro método, heurístico, recorre a ferramentas de visão computacional. Os restantes são métodos com aprendizagem. Um deles utiliza características de textura e cor para descrever as regiões de interesse, usando uma Máquina de Vetores de Suporte (SVM) como classificador. Nos outros, usa-se rede neuronal convolucional pre-treinada. Num deles, esta rede é adaptada ao problema em estudo. No outro, a rede é utilizada para extrair um vetor de características que descreve os objetos de interesse, sendo depois utilizada uma SVM para a classificação. Os métodos com aprendizagem apresentam melhores resultados que o heurístico. O melhor desempenho é atingido pelo método que utiliza a SVM para classificar as regiões de interesse de acordo com textura e cor, com uma precisão de 93.06% e um F-score de 0.844.
novembro 13, 2018, 11:0
Publicação
Obra sujeita a Direitos de Autor