Campo Dublin Core | Valor | Língua |
dc.contributor.advisor | Vidal, Flávio de Barros | - |
dc.contributor.author | Teixeira, Gustavo Ribeiro | - |
dc.contributor.author | Ferreira, Victor Mesquita | - |
dc.identifier.citation | TEIXEIRA, Gustavo Ribeiro; FERREIRA, Victor Mesquita. Aplicações para agricultura de precisão: estimação de
produção frutífera utilizando técnicas de visão computacional e aprendizagem de máquina. 2015. xi, 61 f., il. Monografia (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2015. | en |
dc.description | Monografia (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2015. | en |
dc.description.abstract | A agricultura de precisão é o ramo da agricultura que utiliza diversos dados para a
tomada de decisões em uma colheita. Uma informação importante obtida das colheitas é
a estimativa da produção e uma das formas de se obter essa estimativa é realizando uma
contagem dos frutos – uma tarefa árdua, que demanda muito tempo, de elevada taxa de
imprecisão e com alto gasto financeiro.
Com a presença das tecnologias para auxílio no campo e a adoção da agricultura
de precisão, vários meios de se acompanhar a colheita com um baixo custo vem sendo
estudadas e estão se tornando disponíveis para uso na estimativa de produção, em especial
a obtenção das sequências de imagens em série de tempo com sistemas de monitoramento.
Este trabalho teve por objetivo apresentar um método para realizar a detecção e
contagem de frutos automática utilizando imagens retiradas da Internet – capturadas no
campo de maneira não-destrutiva com máquinas fotográficas – fazendo uso de técnicas de
processamento de imagens e visão computacional. A metodologia proposta segmenta as
regiões que contém frutos nas imagens, e analisa a variação dos canais de cor para detectar
pontos em que há sobreposição de frutos, separando as regiões segmentadas nestes pontos.
Uma contagem do número final de regiões conectadas provê o número estimado de frutos
na imagem. Os resultados são avaliados com a métrica F-measure a partir das anotações
manualmente realizadas das imagens. | en |
dc.rights | Acesso Aberto | en |
dc.subject.keyword | Agricultura de precisão | en |
dc.subject.keyword | Produtividade agrícola | en |
dc.subject.keyword | Processamento de imagens - técnicas digitais | en |
dc.subject.keyword | Visão por computador | en |
dc.title | Aplicações para agricultura de precisão : estimação de produção frutífera utilizando técnicas de visão computacional e aprendizagem de máquina | en |
dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | en |
dc.date.accessioned | 2016-06-01T12:15:04Z | - |
dc.date.available | 2016-06-01T12:15:04Z | - |
dc.date.issued | 2016-06-01T12:15:04Z | - |
dc.date.submitted | 2015-12-10 | - |
dc.identifier.uri | http://bdm.unb.br/handle/10483/13236 | - |
dc.language.iso | Português | en |
dc.description.abstract1 | Precision Agriculture is a field of agriculture which uses various data to decision–
making in a harvest. An important information obtained from harvests is production
estimatives and one way to obtain this estimate is making a production count – a hard
and consuming task that has a high inaccuracy rate and high financial expense.
Using technologies to aid in the field and the adoption of precision agriculture, various
ways of overseeing the harvest with low cost have been studied and are being made available
to use in production estimative, in particular obtaining time-series image sequences
with monitoring systems.
This work aims to introduce a method for automated fruit detection and counting
using images acquired from the field in a non-destructive way using image processing and
computer vision techniques. The proposed method segments the regions that contain
fruits in the image, and analyses the variation in the color channels to detect points
where there are fruits overlaps, then separates them in segmented regions. The estimated
number of fruits in the image is obtained by counting the final number of connected
regions. The results are evaluated by the F-measure using a created image ground truth. | - |
Aparece na Coleção: | Ciência da Computação
|