| |
|
|
|
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 02346nam 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 $aIn: SEMINÁRIO PIBIC EMBRAPA SOLOS, 2019-2020, Rio de Janeiro. Seminário Pibic Embrapa Solos 2019/2020. Rio de Janeiro: Embrapa Solos, 2021. E-book. (Embrapa Solos. Documentos, 219).$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 : 6 | |
| 3. |  | HERRERO, M. I.; FOGLIATA, S. V.; VERA, A.; CASMUZ, A.; SOSA-GOMEZ, D. R.; CASTAGNARO, A. P.; GASTAMINZA, G.; MURÚA, M. G. Biological characterization and mating compatibility of Helicoverpa gelotopoeon (D.) (Lepidoptera: Noctuidae) populations from different regions in Argentina. Bulletin of Entomological Research, v. 108, n. 1, p. 108-115, 2018.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Soja. |
|    |
| 4. | | HERRERO, M. I.; DAMI, L. C.; FOGLIATA, S. V.; SÓSA-GOMEZ, D. R.; CASMUZ, A. S.; GASTAMINZA, G. A.; MURÚA, M. G. Life table studies of Helicoverpa gelotopoeon (Dyar) (Lepidoptera: Noctuidae) under controlled conditions. In: CONGRESSO BRASILEIRO DE ENTOMOLOGIA, 27.; CONGRESSO LATINO-AMERICANO DE ENTOMOLOGIA, 10., 2018, Gramado, RS. Saúde, ambiente e agricultura: anais. Santo Antonio de Goiás: SEB: UFSM, 2018. v. 2. resumo. p. 188.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Soja. |
|  |
| 5. | | MURÚA, M. G.; CAZADO, L. E.; CASMUZ, A.; HERRERO, M. I.; VILLAGRÁN, M. E.; VERA, A.; SOSA-GOMEZ, D. R.; GASTAMINZA, G. Species from the Heliothinae complex (Lepidoptera: noctuidae) in Tucuman, Argentina, an update of geographical distribution of Helicoverpa armigera. Journal of Insect Science, v. 16, n. 1, p. 1-7, Jun. 2016.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
| Biblioteca(s): Embrapa Soja. |
| |
| 6. | | ESCUDERO-COLOMAR, L. A; SERRA, D. B.; FERRER, M. T. M; CAMPOS, J. M; DI MASI, S.; FIORE, N.; DUARTE, A. M.; KOVALESKI, A.; BENAZZ, L.; CICHÓN, L.; COCCO, M.; GARRIDO, S.; GASTAMINZA. G.; KULCZYCKI, C.; LAGOS, J.; MITIDIERI, M.; MOUSQUES, J. A.; SEGADE, G.; SOSA, A.; LEA, G. T.; VÁZQUEZ, D.; BOTTON, M.; NAVA, D. E.; PAIVA, P. E. B.; UENO, B.; SANHUEZA, R. V.; ARRAZTIO, D.; CURKOVIC, T.; DEVOTTO, L.; MOLINA, J.; SOLÍS, G.; AVILLA, J.; ALEMANY, A. B.; CABREFIGA, J.; FIBLA, J. M.; LLORENS, V.; PLAZA, P.; VILARDELL, P.; LUCAS, C.; SOUZA, E.; BUENAHORA, J.; FAGGIANI, E. P.; LEONI, C.; TOZZI, D. M.; RUBIO, L. Estado actual de la Gestión Integrada de las Plagas y Enfermedades en melocotoneros, perales y cítricos en Argentina, Brasil, Chile, España, Portugal y Uruguay. Argentina: Programa Iberoamericano de Ciencia y Tecnología para el Desarrollo (CYTED), 2021. 192 p.| Tipo: Capítulo em Livro Técnico-Científico |
| Biblioteca(s): Embrapa Uva e Vinho. |
| |
| Registros recuperados : 6 | |
|
| Expressão de busca inválida. Verifique!!! |
|
|
