| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
19/04/2021 |
|
Data da última atualização: |
26/10/2021 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
PORTO, L.; SIMÕES, M.; FERRAZ, R. P. D. |
|
Afiliação: |
LUAN PORTO, UERJ; MARGARETH GONCALVES SIMOES, CNPS; RODRIGO PECANHA DEMONTE FERRAZ, CNPS. |
|
Título: |
Segmentação semântica de pastagens utilizando o modelo DeepLabelV3+. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
In: SEMINÁRIO PIBIC EMBRAPA SOLOS, 2019-2020, Rio de Janeiro. Seminário Pibic Embrapa Solos 2019/2020. Rio de Janeiro: Embrapa Solos, 2021. E-book. (Embrapa Solos. Documentos, 219). |
|
Idioma: |
Português |
|
Conteúdo: |
Estima-se que 80% das pastagens cultivadas presentes do Brasil encontram-se em algum nível de degradação. Uma das características marcantes das pastagens degradadas é a presença de plantas invasoras em concorrência com a espécie forrageira. Neste contexto, a identificação e a avaliação do nível de infestação passa ser uma informação relevante para a definição de estratégias de controle e recuperação de pastagens com este problema. Este trabalho objetivou avaliar técnicas de segmentação de imagens para diferenciação de plantas daninhas/invasoras (diversas famílias botânicas) das plantas forrageiras (família gramínea). Estas técnicas se baseiam em aprendizagem não supervisionada por meio do modelo de segmentação semântica Deeplabv3+. Primeiramente, com o objetivo de treinar a rede neural, foram segmentadas manualmente com auxilio do software photoGIMP, imagens de gramíneas (forrageiras) e de diversas plantas de folha larga (daninhas) separadamente. Após o processo de treinamento da rede o modelo foi validado a partir de diferentes imagens separadas para este propósito. Os resultados demonstraram uma acurácia de 95.9%, mostrando potencial para diferenciar as diferentes espécies de plantas daninhas/invasoras das plantas forrageiras (família gramínea) Conclui-se que as técnicas de Visão Computacional, Aprendizado de Máquina e Segmentação Semântica de Imagens apresentam potencial na composição de uma solução metodológica para o diagnóstico quali-quantitativo do processo de infestação de plantas invasoras em pastagens em degradação. MenosEstima-se que 80% das pastagens cultivadas presentes do Brasil encontram-se em algum nível de degradação. Uma das características marcantes das pastagens degradadas é a presença de plantas invasoras em concorrência com a espécie forrageira. Neste contexto, a identificação e a avaliação do nível de infestação passa ser uma informação relevante para a definição de estratégias de controle e recuperação de pastagens com este problema. Este trabalho objetivou avaliar técnicas de segmentação de imagens para diferenciação de plantas daninhas/invasoras (diversas famílias botânicas) das plantas forrageiras (família gramínea). Estas técnicas se baseiam em aprendizagem não supervisionada por meio do modelo de segmentação semântica Deeplabv3+. Primeiramente, com o objetivo de treinar a rede neural, foram segmentadas manualmente com auxilio do software photoGIMP, imagens de gramíneas (forrageiras) e de diversas plantas de folha larga (daninhas) separadamente. Após o processo de treinamento da rede o modelo foi validado a partir de diferentes imagens separadas para este propósito. Os resultados demonstraram uma acurácia de 95.9%, mostrando potencial para diferenciar as diferentes espécies de plantas daninhas/invasoras das plantas forrageiras (família gramínea) Conclui-se que as técnicas de Visão Computacional, Aprendizado de Máquina e Segmentação Semântica de Imagens apresentam potencial na composição de uma solução metodológica para o diagnóstico quali-quantitativo do processo de infesta... Mostrar Tudo |
|
Palavras-Chave: |
Deeplearning; Gramíneas; Pastagens Degradadas; Plantas Daninhas; Redes Neurais; Visão Computacional. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/221328/1/CNPS-DOC-219-2021.epub
|
|
Marc: |
LEADER 02339nam a2200205 a 4500
001 2131413
005 2021-10-26
008 2021 bl uuuu u01u1 u #d
100 1 $aPORTO, L.
245 $aSegmentação semântica de pastagens utilizando o modelo DeepLabelV3+.$h[electronic resource]
260 $aIn: SEMINÁRIO PIBIC EMBRAPA SOLOS, 2019-2020, Rio de Janeiro. Seminário Pibic Embrapa Solos 2019/2020. Rio de Janeiro: Embrapa Solos, 2021. E-book. (Embrapa Solos. Documentos$c2021
520 $aEstima-se que 80% das pastagens cultivadas presentes do Brasil encontram-se em algum nível de degradação. Uma das características marcantes das pastagens degradadas é a presença de plantas invasoras em concorrência com a espécie forrageira. Neste contexto, a identificação e a avaliação do nível de infestação passa ser uma informação relevante para a definição de estratégias de controle e recuperação de pastagens com este problema. Este trabalho objetivou avaliar técnicas de segmentação de imagens para diferenciação de plantas daninhas/invasoras (diversas famílias botânicas) das plantas forrageiras (família gramínea). Estas técnicas se baseiam em aprendizagem não supervisionada por meio do modelo de segmentação semântica Deeplabv3+. Primeiramente, com o objetivo de treinar a rede neural, foram segmentadas manualmente com auxilio do software photoGIMP, imagens de gramíneas (forrageiras) e de diversas plantas de folha larga (daninhas) separadamente. Após o processo de treinamento da rede o modelo foi validado a partir de diferentes imagens separadas para este propósito. Os resultados demonstraram uma acurácia de 95.9%, mostrando potencial para diferenciar as diferentes espécies de plantas daninhas/invasoras das plantas forrageiras (família gramínea) Conclui-se que as técnicas de Visão Computacional, Aprendizado de Máquina e Segmentação Semântica de Imagens apresentam potencial na composição de uma solução metodológica para o diagnóstico quali-quantitativo do processo de infestação de plantas invasoras em pastagens em degradação.
653 $aDeeplearning
653 $aGramíneas
653 $aPastagens Degradadas
653 $aPlantas Daninhas
653 $aRedes Neurais
653 $aVisão Computacional
700 1 $aSIMÕES, M.
700 1 $aFERRAZ, R. P. D.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Solos (CNPS) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 2 | |
| 1. |  | PEY, B.; OUVRARD, S.; CORTET, J.; SCHWARTZ, C.; WATTEAU, F. Diversity and functional play of soil fauna in a waste-constructed soil in industrial environement : contribution of the modelization of the evolution of a Technosol. In: INTERNATIONAL COLLOQUIUM ON SOIL ZOOLOGY, 15; INTERNATIONAL COLLOQUIUM ON APTERYGOTA, 12., 2008, Curitiba. Biodiversity, conservation and sustainabele management of soil animal: abstracts. Colombo: Embrapa Florestas. Editors: George Gardner Brown; Klaus Dieter Sautter; Renato Marques; Amarildo Pasini. 1 CD-ROM.| Biblioteca(s): Embrapa Florestas. |
|   |
| 2. | | BROWN, G. G.; DEMETRIO, W.; GABRIAC, Q.; PASINI, A.; KORASAKI, V.; OLIVEIRA, L.; FRANCHINI, J. C.; TORRES, E.; GALERANI, P. R.; GAZZIERO, D. L. P.; BENITO, N. P.; NUNES, D. H.; SANTOS, A.; FERREIRA, T.; NADOLNY, H. S.; BARTZ, M.; MASCHIO, W.; DUDAS, R. T.; ZAGATTO, M.; NIVA, C. C.; CLASEN, L.; SAUTTER, K.; FROUFE, L. C. M.; SEOANE, C. E. S.; MORAES, A. de; JAMES, S.; ALBERTON, O.; JÚNIOR, O. B.; SARAIVA, O. F.; GARCIA, A.; OLIVEIRA, E.; CÉSAR, R.; CORREA-FERREIRA, B. S.; BRUZ, L. S. M.; SILVA, E. da; CARDOSO, G. B. X.; LAVELLE, P.; VELÁSQUEZ, E.; CREMONESI, M.; PARRON, L. M.; BAGGIO, A. J.; NEVES, E. J. M.; HUNGRIA, M.; CAMPOS, T. A.; SILVA, V. L. da; REISSMANN, C. B.; CONRADO, A. C.; BOUILLET, J. D.; GONÇALVES, J. L. M.; BRANDANI, C. B.; VIANI, R. A. G.; PAULA, R. R.; LACLAU, J.; PEÑA-VENEGAS, C. P.; PERES, C.; DECAËNS, T.; PEY, B.; EISENHAUER, N.; COOPER, M.; MATHIEU, J. Soil macrofauna communities in Brazilian land-use systems. Biodiversity Data Journal, v. 12, e115000, 2024.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 4 |
| Biblioteca(s): Embrapa Florestas; Embrapa Recursos Genéticos e Biotecnologia; Embrapa Soja; Embrapa Unidades Centrais. |
|  |
| Registros recuperados : 2 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
