skip to main content
Visitante
Meu Espaço
Minha Conta
Sair
Identificação
This feature requires javascript
Tags
Revistas Eletrônicas (eJournals)
Livros Eletrônicos (eBooks)
Bases de Dados
Bibliotecas USP
Ajuda
Ajuda
Idioma:
Inglês
Espanhol
Português
This feature required javascript
This feature requires javascript
Primo Search
Busca Geral
Busca Geral
Acervo Físico
Acervo Físico
Produção Intelectual da USP
Produção USP
Search For:
Clear Search Box
Search in:
Busca Geral
Or hit Enter to replace search target
Or select another collection:
Search in:
Busca Geral
Busca Avançada
Busca por Índices
This feature requires javascript
This feature requires javascript
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
Exibir Online
Detalhes
Resenhas & Tags
Mais Opções
This feature requires javascript
Enviar para
Adicionar ao Meu Espaço
Remover do Meu Espaço
E-mail (máximo 30 registros por vez)
Imprimir
Link permanente
Referência
EasyBib
EndNote
RefWorks
del.icio.us
Exportar RIS
Exportar BibTeX
This feature requires javascript
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
Este item no Dedalus
Teses e Dissertações USP
E-mail do autor
E-mail do orientador
This feature requires javascript
This feature requires javascript
Voltar para lista de resultados
This feature requires javascript
This feature requires javascript
Buscando em bases de dados remotas. Favor aguardar.
Buscando por
em
scope:(USP_VIDEOS),scope:("PRIMO"),scope:(USP_FISICO),scope:(USP_EREVISTAS),scope:(USP),scope:(USP_EBOOKS),scope:(USP_PRODUCAO),primo_central_multiple_fe
Mostrar o que foi encontrado até o momento
This feature requires javascript
This feature requires javascript