USO DE ALGORITMOS DE CLASSIFICAÇÃO PARA IDENTIFICAÇÃO DA SIGATOKA-AMARELA ATRAVÉS DE IMAGENS DE VANT

Vol 19, 2019 - 96323
Oral
Favorite this paper
How to cite this paper?
Abstract

As técnicas de Machine Learning atreladas às imagens de alta resolução espacial, obtidas por meio de VANTs, oferecem novas prospecções para a identificação e o monitoramento de plantios. Neste cenário, o objetivo deste trabalho foi utilizar VANT para a identificação e a quantificação da severidade do ataque da sigatoka-amarela na cultura da banana. Foram utilizados cinco algoritmos de classificação supervisionada (Maximum Likelihood, Mahalanobis Distance, Minimum Distance, Neural Networks e Suport Vector Machine) para um voo realizado em plantio comercial de bananeiras. Como resultados, o algoritmo Mahalanobis Distance alcançou melhor desempenho (99,28% de acurácia) e 4,97% e 6,08% de grau de severidade da sigatoka-amarela, em comparação às verdades de campo, que resultaram em grau de infecção de 1% a 5%, demonstrando que as ferramentas de monitoramento de manchas foliares podem ser realizadas por meio de técnicas de aprendizagem computacional e imagens pancromáticas de alta resolução espacial.

Institutions
  • 1 Instituto Federal de Educação, Ciência e Tecnologia do Ceará
  • 2 Universidade Federal do Ceará - UFC
  • 3 Instituto Federal de Educação, Ciência e Tecnologia do Ceará - Fortaleza
Track
  • UAVs, videography and high resolution
Keywords
UAV
Drone
Photoscan
Processamento Digital de Imagens
RPA