COMPARAÇÃO ENTRE OS CLASSIFICADORES SUPPORT VECTOR MACHINE E RANDOM FOREST NA IDENTIFICAÇÃO DE OBJETOS PRESENTES EM CENAS CAFEEIRAS OBTIDAS POR VANT

O monitoramento das condições de uma determinada cultura agrícola é essencial para tomadas de decisão que visem a melhoria do produto na agricultura. Com o desenvolvimento dos VANTs e dos sensores, o gerenciamento dos problemas relacionados a lavoura se tornou mais acessível. Com isso, o trabalho apresenta uma comparação dos classificadores Support Vector Machine (SVM) e Random Forest (RF) na identificação de objetos presentes em uma plantação de café. A partir dos objetos obtidos com o método de segmentação “crescimento de regiões”, foram extraídos atributos estatísticos para o treinamento dos classificadores. Como resultado foi observado um melhor desempenho do SVM com a acurácia de 98,6% e o índice Kappa de 0,978, por sua vez o classificador RF obteve a acurácia de 96,7% e o índice Kappa de 0,947.