Detecção automática e avaliação de linhas de plantio de cana-de-açúcar em imagens aéreas

Página do item simplificado
dc.contributor.advisor-co1Pedrini, Hélio
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/9600140904712115 Nome completo do 2º coorientador(a): E-mail: Nomes completospt_BR
dc.contributor.advisor1Soares, Fabrízzio Alphonsus Alves de Melo Nunes
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7206645857721831pt_BR
dc.contributor.referee1Soares, Fabrízzio Alphonsus Alves de Melo Nunes
dc.contributor.referee2Pedrini, Hélio
dc.contributor.referee3Salvini, Rogerio Lopes
dc.contributor.referee4Costa, Ronaldo Martins da
dc.contributor.referee5Cabacinha, Christian Dias
dc.creatorRocha, Bruno Moraes
dc.creator.Latteshttp://lattes.cnpq.br/7396087333582666pt_BR
dc.date.accessioned2022-01-12T10:26:27Z
dc.date.available2022-01-12T10:26:27Z
dc.date.issued2021-12-09
dc.description.abstractFor higher productivity and economic yield in sugarcane field, several imaging techniques using sugarcane field images have been developed. However, the identification and measurement of gaps in sugarcane field crop rows are still commonly performed manually on site to decide to replant the gaps or the entire area. Manual measurement has a high cost of time and manpower. Based on these factors, this study aimed to create a new technique that automatically identifies and evaluates the gaps along the crop rows in aerial images of sugarcane fields obtained by a small remotely piloted aircraft. The images captured using the remotely piloted aircraft were used to generate the orthomosaics of the crop field area and classified with the algorithm K-Nearest Neighbors to segment the crop rows. The orientation of the planting rows in the image was found using the filter gradient Red Green Blue. Then, the crop rows were mapped using the curve adjustment method and overlap the classified image to detect and measure the gaps along the segment of the planting line. The technique developed obtained a maximum error of approximately 3% when compared to the manual method to evaluate the length of the gaps in the crop rows in an orthomosaic with an area of 8.05 hectares using the method proposed by Stolf, adapted for digital images. The proposed approach was able to properly identify the spatial position of automatically generated line segments over manually created line segments. The proposed method was also able to achieve statistically similar results when confronted with the technique performed manually in the image for the mapping of rows and identification of gaps for sugarcane fields with growth 40 and 80 days after planting. The automatic technique developed had a significant result in the evaluation of the gaps in the crop rows in the aerial images of sugarcane fields, thus, its use allows automated inspections with high accuracy measurements, and besides being able to assist producers in making decisions in the management of their sugarcane fields.eng
dc.description.provenanceSubmitted by Luciana Ferreira (lucgeral@gmail.com) on 2022-01-11T14:04:21Z No. of bitstreams: 2 Tese - Bruno Moraes Rocha - 2022.pdf: 32153393 bytes, checksum: 5e472f949ef0397b0c18d0eee59ef045 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2022-01-12T10:26:27Z (GMT) No. of bitstreams: 2 Tese - Bruno Moraes Rocha - 2022.pdf: 32153393 bytes, checksum: 5e472f949ef0397b0c18d0eee59ef045 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceMade available in DSpace on 2022-01-12T10:26:27Z (GMT). No. of bitstreams: 2 Tese - Bruno Moraes Rocha - 2022.pdf: 32153393 bytes, checksum: 5e472f949ef0397b0c18d0eee59ef045 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Previous issue date: 2021-12-09en
dc.description.resumoPara obter maior produtividade e rendimento econômico no plantio de cana-de-açúcar, várias técnicas de processamento de imagens têm sido desenvolvidas. Entretanto, a identificação e a medição de falhas nas linhas de plantio de plantação de cana-de-açúcar ainda são comumente realizadas de forma manual no local (campo), para tomada de decisão de replantio apenas das falhas ou da área total. A medição manual tem um elevado custo de tempo e mão de obra. Com base nesses fatores, o objetivo deste trabalho foi propor uma abordagem que automaticamente identifica e avalia as falhas (gaps) ao longo das linhas de plantio em imagens aéreas de canaviais obtidas por uma pequena aeronave pilotada remotamente. As imagens capturadas com uso da aeronave pilotada remotamente foram utilizadas para gerar os ortomosaicos da área de plantio e classificadas com o algoritmo K - Vizinhos Mais Próximos para segmentar a linha de colheita. A orientação das linhas de plantio na imagem foi encontrada utilizando o filtro gradient Red Green Blue. Em seguida, as linhas de plantio foram mapeadas utilizando o método de ajuste de curvas e sobrepostas à imagem classificada para detectar e medir as falhas ao longo do segmento da linha de plantio. A técnica desenvolvida obteve um erro máximo de aproximadamente 3% quando comparada com o método manual para avaliar o comprimento linear das falhas nas linhas de plantio em um ortomosaico com uma área de 8,05 hectares por meio do método proposto por Stolf, adaptado para imagens digitais. A abordagem proposta conseguiu identificar apropriadamente a posição espacial dos segmentos de linhas gerados automaticamente sobre os segmentos de linha criados manualmente. O método proposto também foi capaz de alcançar resultados estatisticamente similares quando confrontados com a técnica realizada manualmente na imagem para o mapeamento das linhas e identificação das falhas, para as plantações de canade- açúcar com 40 e 80 dias após o plantio. A técnica desenvolvida teve resultado significativo na avaliação das falhas nas linhas de plantio nas imagens aéreas das plantações de cana-deaçúcar. Dessa forma, sua utilização permite inspeções automatizadas com medições de alta acurácia, auxiliando os produtores na tomada de decisão para o manejo de lavouras de canade- açúcar.pt_BR
dc.identifier.citationROCHA, B. M. Detecção automática e avaliação de linhas de plantio de cana-de-açúcar em imagens aéreas. 2022. 121 f. Tese (Doutorado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2021.pt_BR
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/11840
dc.languageporpt_BR
dc.publisherUniversidade Federal de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Informática - INF (RG)pt_BR
dc.publisher.initialsUFGpt_BR
dc.publisher.programPrograma de Pós-graduação em Ciência da Computação (INF)pt_BR
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectGradiente RGBpor
dc.subjectPlantação de cana-de-açúcarpor
dc.subjectAeronave pilotada remotamentepor
dc.subjectOrtomosaicopor
dc.subjectRGB gradienteng
dc.subjectPlanting rowseng
dc.subjectRemotely piloted aircrafteng
dc.subjectOrthomosaiceng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleDetecção automática e avaliação de linhas de plantio de cana-de-açúcar em imagens aéreaspt_BR
dc.title.alternativeAutomatic detection and evaluation of sugarcane planting rowseng
dc.typeTesept_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Tese - Bruno Moraes Rocha - 2022.pdf
Tamanho:
30.67 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Doutorado em Ciência da Computação