01797nam a2200205 a 450000100080000000500110000800800410001910000180006024501370007826001860021552010160040165000190141765000130143665300280144965300330147765300250151070000160153570000210155170000190157221534272023-11-22       2023    bl uuuu     u00u1 u    #d1 aVIEIRA, L. P.  aDeep learning e segmentação semântica de imagens para diagnóstico de níveis de degradação de pastagem.h[electronic resource]  aIn: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 1024-1027.c1027  aO processo de degradação de pastagem pode ser identificado quando a produção de forragem diminui, consequentemente, o aumento das áreas descobertas e plantas invasoras. Este trabalho objetivou avaliar técnicas de segmentação semântica de fotografias para diferenciação de plantas invasoras, forrageiras, solo exposto e palhada por meio do modelo DeeplabV3+. Primeiramente o modelo foi treinado com amostras do banco de dados The GrassClover Image Dataset for Semantic and Hierarchical Species Understanding in Agriculture. Um pequeno banco de dados foi construído a partir das fotografias ortogonais, retiradas da plataforma Atlas das Pastagens. Após o processo de treinamento com os dois bancos de imagens os resultados demonstraram satisfatórios com valores de MIoU de 87,6% com o primeiro banco de imagens e 75,4% com segundo banco de imagens. Conclui-se que as técnicas de segmentação semântica de imagens apresentam potencial para subsidiar a classificação da degradação de pastagens.  aImage analysis  aPastagem  aAprendizado de máquina  aRedes Neurais Convolucionais  aVisão computacional1 aSIMÕES, M.1 aFERRAZ, R. P. D.1 aRIBEIRO, J. A.