https://repositorio.ufjf.br/jspui/handle/ufjf/12702
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
victorrezendefranco.pdf | 2.1 MB | Adobe PDF | ![]() Visualizar/Abrir |
Clase: | Dissertação |
Título : | Solução mobile baseada em visão computacional para a estimativa de parâmetros biofísicos aplicados ao monitoramento e manejo de pastagens |
Autor(es): | Franco, Victor Rezende |
Orientador: | Fonseca, Leonardo Goliatt da |
Miembros Examinadores: | Borges, Carlos Cristiano Hasenclever |
Miembros Examinadores: | Hott, Marcos Cicarini |
Miembros Examinadores: | Andrade, Ricardo Guimarães |
Resumo: | Técnicas computacionais empregadas na fenotipagem e na avaliação das condições da vegetação têm contribuído para o desenvolvimento da produção no campo, de forma sustentável e eficiente. Nesse contexto, o presente trabalho utiliza uma solução mobile para a obtenção de dados fenotípicos de pastagens por meio de imagens fotográficas. Para tanto, fotos de parcelas experimentais de capim Panicum sp foram captadas em dois experimentos. No primeiro experimento foram obtidos dados de biomassa das parcelas, e no segundo experimento foram obtidos dados de altura. Utilizando Visão Computacional, são extraídas características da pastagem fotografada, que são, posteriormente, correlacionadas aos atributos de biomassa e altura das pastagens. Para isso, foram implementadas três técnicas de Aprendizado de Máquina: Regressão LASSO, Regressão por Vetores de Suporte e Rede Perceptron de Múltiplas Camadas. Para seleção do melhor modelo, foi utilizada a técnica de Evolução Diferencial. Para comparar os modelos, foram realizadas trinta repetições da técnica de Evolução Diferencial. Avaliadas utilizando o método de validação cruzada, a técnica que obteve melhor resultado nos dois problemas foi Rede Perceptron de Múltiplas Camadas, obtendo uma média de Coeficiente de Determinação (R2) 0,497 para a técnica que melhor se adaptou na previsão de biomassa e 0,662 para a técnica que melhor se adaptou na previsão de altura da pastagem. Os resultados obtidos indicam que os parâmetros biofísicos de altura e biomassa, podem ser modelados em função de atributos extraídos de imagens de pastagens da espécie forrageira Panicum maximum cv. BRS Zuri, obtidas em campo. Ainda, o software se mostrou de capaz de realizar o georreferenciamento das capturas e realizar o armazenamento dos dados. |
Resumen : | Computational techniques employed in vegetation phenotyping have contributed to the development of production in the field sustainably and efficiently. In this context, the present work uses a mobile solution to obtain phenotypic data from pastures through images. For that, photos of experimental plots of grass Panicum sp were captured in two experiments. In the first experiment, biomass data were obtained from the plots, and in the second experiment, height data were obtained. The photographed pasture characteristics are extracted using computer vision, which are later correlated to the pastures’ biomass and height attributes. Three machine learning techniques were implemented: LASSO Regression, Support Vector Regression, and MultipleLayer Perceptron Network. For the selection of the best model, the Differential Evolutiontechnique was used. To compare the models, thirty repetitions of the Differential Evolution technique were performed. Evaluated using the cross-validation method, the technique that obtained the best result in both problems was the MultiLayer Perceptron Network, obtaining an average of Coefficient of Determination (R2) 0.497 for the technique best adapted to forecast biomass and 0.662 for the technique best adapted to forecast height of pasture. The results obtained indicate that the biophysical parameters of height and biomass, can be modeled in function of attributes extracted from images of pastures of the forage species Panicum maximum cv. BRS Zuri, obtained in the field. Still, software proved to be capable of geo-referencing catches and storing data. |
Palabras clave : | Aplicação mobile Visão computaciona Aprendizado de máquina Pastagem Mobile application Computer vision Machine learning Pasture |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA |
Idioma: | por |
País: | Brasil |
Editorial : | Universidade Federal de Juiz de Fora (UFJF) |
Sigla de la Instituición: | UFJF |
Departamento: | ICE – Instituto de Ciências Exatas |
Programa: | Programa de Pós-graduação em Modelagem Computacional |
Clase de Acesso: | Acesso Aberto Attribution 3.0 Brazil |
Licenças Creative Commons: | http://creativecommons.org/licenses/by/3.0/br/ |
URI : | https://repositorio.ufjf.br/jspui/handle/ufjf/12702 |
Fecha de publicación : | 25-mar-2021 |
Aparece en las colecciones: | Mestrado em Modelagem Computacional (Dissertações) |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons