To cite this paper use one of the standards below:
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.
With nearly 200,000 papers published, Galoá empowers scholars to share and discover cutting-edge research through our streamlined and accessible academic publishing platform.
Learn more about our products:
This proceedings is identified by a DOI , for use in citations or bibliographic references. Attention: this is not a DOI for the paper and as such cannot be used in Lattes to identify a particular work.
Check the link "How to cite" in the paper's page, to see how to properly cite the paper