skip to main content
Idioma:

Deep learning para identificação de déficit hídrico em plantas com base em imagens térmicas

Melo, Leonardo Leite De

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Escola Superior de Agricultura Luiz de Queiroz 2021-02-26

Acesso online

  • Título:
    Deep learning para identificação de déficit hídrico em plantas com base em imagens térmicas
  • Autor: Melo, Leonardo Leite De
  • Orientador: Marques, Patricia Angélica Alves
  • Assuntos: Imagem Termal; Manejo De Irrigação; Redes Neurais; Transfer Learning; Irrigation Management; Neural Network; Thermal Image
  • Notas: Tese (Doutorado)
  • Descrição: O uso racional de recursos na agricultura ganhou importância nos últimos anos devido à necessidade de assegurar a sustentabilidade da produção agrícola, de forma a evitar consequências ambientais e até mesmo a iminência de escassez de recursos, como é o caso da água. Pela complexidade de estimar a resposta da planta à disponibilidade hídrica, uma técnica que vem obtendo grande importância é a utilização de imagens térmicas. Porém, o diagnóstico por imagens não é intuitivo e demanda do avaliador conhecimentos físico-químicos do solo e da planta, além de tempo e experiência. Devido a tal limitação, buscaram-se métodos computacionais que possam ser utilizados para realizar essa tarefa, estimando o estado hídrico de plantas a partir de imagens térmicas, suprindo a necessidade de um especialista. Para isso, duas técnicas de eficácia comprovada foram utilizadas: a rede Inception-Resnet-v2 e a técnica transfer learning. Experimentos foram realizados e os resultados obtidos mostram que o sistema de classificação do estresse hídrico na planta desenvolvido, com avaliação a partir da imagem térmica de modo não destrutivo, alcançou um desempenho superior em comparação à avaliação feita por especialista. Além disso, o desempenho foi superior na acurácia global, bem como em sua capacidade de distinguir entre as classes, demonstrando ser uma ferramenta eficaz para a realização de tal tarefa, demandando menor tempo.
  • DOI: 10.11606/T.11.2021.tde-26052021-144804
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Escola Superior de Agricultura Luiz de Queiroz
  • Data de criação/publicação: 2021-02-26
  • Formato: Adobe PDF
  • Idioma: Português
Links
Voltar para lista de resultados

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.