Mapeamento de feições agrícolas através de redes neurais artificiais com fotos obtidas por veículo aéreo não-tripulado (VANT)

AUTOR(ES)
DATA DE PUBLICAÇÃO

2007

RESUMO

A evolução da tecnologia aplicada a agricultura coloca os setores da pesquisa agrícola, atualmente, perante um novo paradigma: o da "Agricultura de Precisão"; muitas pesquisas tem sido conduzidas ao mapeamento da fertilidade do solo, e pouco tem sido feito com relação ao mapeamento de plantas daninhas nas lavouras. O objetivo deste trabalho é produzir um mapeamento preciso das infestações de plantas invasoras em uma cultura de soja, utilizando fotos obtidas através de aeromodelos radiocontrolados. Na primeira etapa do trabalho, com uma foto do aeromodelo sobre a soja, foram feitas várias classificações digitais com os classificadores Maxver, MaxverICM, Bhattacharya, Distância Euclidiana e Redes Neurais e comparadas com uma classificação feita manualmente (tomada como sendo a verdade terrestre), para se avaliar a porcentagem de acerto total. O melhor classificador foi o de Redes Neurais. Em uma segunda etapa, foram obtidas fotos aéreas por aeromodelo de controle remoto em culturas de cana-de-açúcar, na fase inicial de crescimento, para avaliar falhas de plantio através de processamento de imagens e do classificador por Redes Neurais. A partir do processamento de imagens foi possível a identificação e a quantificação das falhas de plantio na lavoura de cana-de-açúcar. Além das falhas foram identificadas áreas com alteração na lavoura, indicativo de alguma anormalidade, como Migdolus sp, nematóide, etc. Estas anormalidades foram classificadas e mapeadas. O desempenho das Redes Neurais foi satisfatório em todas as situações analisadas. Na terceira e última etapa, foi desenvolvido um software de uniformização de temas para se avaliar a melhoria da precisão de mapeamento sobre a foto de cultura de soja contendo infestação de planta daninha, usada na primeira etapa. Testou-se vários graus de intensidade de uniformização; cada nova imagem gerada com a aplicação da uniformização foi interseccionada com a imagem "verdade terrestre" também da primeira etapa. Todas as matrizes de erro foram avaliadas a partir de 3 índices de precisão de mapeamento: Exatidão Global, Tau e Kappa. Observou-se um aumento da precisão de mapeamento com o aumento da intensidade de uniformização de temas até um grau de intensidade máximo de 104 pixels, a partir do qual a precisão começou a decair. O classificador por Redes Neurais mostrou-se uma ferramenta muito eficaz na geração dos mapas temáticos deste trabalho, podendo ser melhorada a precisão de mapeamento desse mapa com aplicação de técnicas de uniformização de temas.

ASSUNTO(S)

agricultura e tecnologia redes neurais (computação) precision farming vegetation mapping neural networks (computer science) vegetação - mapeamento agricultura de precisão

Documentos Relacionados