Detecção automática de uvas e folhas em viticultura com uma rede neural YOLOv2.
No hay miniatura disponible
Fecha
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Resumen
Descripción
RESUMO - Neste trabalho, o problema de detecção de frutas e folhas em viticultura para aplicações envolvendo sensoriamento próximo foi modelado como um problema de aprendizado supervisionado de máquina. Uma base de dados foi criada e manualmente anotada a partir de imagens obtidas em abril de 2017 na Vinícola Guaspari. No total são 11.883 imagens contendo exemplos de cachos de uvas e folhas. Uma rede convolutiva com arquitetura YOLOv2 foi treinada para localização e classificação de cachos e folhas. Testes quantitativos demonstraram resultados para a detecção e classificação com precisão de 100%, revocação de até 74,2% e F1-Score de 85,2% para classe "uva" e precisão de 100%, revocação de até 67,9% e F1-Score de 80,9% para a classe "folha". Testes qualitativos mostram que o modelo generaliza bem quando testado em fotografias de outras variedades de uvas. Esses resultados se mostram promissores para a melhoria do método e caminham para a possibilidade de aplicação em campo.
CIIC 2018. Nº 17601.
CIIC 2018. Nº 17601.
Palabras clave
Detecção de frutos, Reconhecimento de Imagens, Aprendizagem profunda, Aprendizado de máquina, Redes neurais, Aprendizado supervisionado, Image Recognition, Fruit detection, Deep Learning, Machine learning, Viticultura, Viticulture, Neural networks