DETECÇÃO DE LINHAS E FALHAS DE PLANTIO COM RAMDOM FOREST EM IMAGENS RGB DE BAIXA ALTITUDE

O trabalho apresenta uma metodologia para automatizar a detecção de linhas de plantio e falhas em plantações de cana-de-açúcar por meio do uso de aprendizado de máquina em imagens RGB de baixa resolução. Um modelo de floresta aleatória foi treinado para classificar plantas e solos, e os resultados desse modelo foram usados como base para a detecção de linhas. As linhas de plantio foram estimadas usando a transformada de Hough com base na imagem binarizada obtida a partir do modelo Random Forest. Para essa finalidade, foram necessárias operações matemáticas morfológicas para limpar e aprimorar os recursos. Por fim, foi possível detectar lacunas nas linhas de plantio ao subtrair as linhas identificadas das plantações obtidas pelo modelo Random Forest, e os resultados foram satisfatórios.