Aprendizado profundo aplicado na pulverização seletiva em tempo real para controle de Ipomoea spp.

dc.contributor.advisor1Mion, Renildo Luiz
dc.contributor.advisor1ID034.525.757-05pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8030830142710133pt_BR
dc.contributor.referee1Mion, Renildo Luiz
dc.contributor.referee1ID034.525.757-05pt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8030830142710133pt_BR
dc.contributor.referee2Mamiya, Arthur Akira
dc.contributor.referee2ID036.798.601-96pt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/5006163362115559pt_BR
dc.contributor.referee3Cunha, Joao Paulo Arantes Rodrigues da
dc.contributor.referee3ID770.850.001-04pt_BR
dc.contributor.referee3Latteshttp://lattes.cnpq.br/2050122023035025pt_BR
dc.contributor.referee4Resmini, Roger
dc.contributor.referee4ID024.858.979-21pt_BR
dc.contributor.referee4Latteshttp://lattes.cnpq.br/9564155797807373pt_BR
dc.creatorSabóia, Hederson de Souza
dc.creator.ID044.803.701-70pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/5871262769058660pt_BR
dc.date.accessioned2023-03-13T20:29:59Z
dc.date.accessioned2024-10-02T02:58:50Z
dc.date.available2020-08-07
dc.date.available2023-03-13T20:29:59Z
dc.date.available2024-10-02T02:58:50Z
dc.date.issued2020-07-21
dc.description.abstractThe culture of soybean and cotton have great importance in the Brazilian economic scenario, both are commodities that move billions of reais per year in exports. The importance is demonstrated in the increased in planted areas and production year after year, keeping the country between the world ́s largest producers of crops. The weed management are of paramount importance, to achieve greater productivity year after year. However, due to the incorrect use of controls, mainly of herbicides, it has been causing resistance of some biotypes to the most popular active ingredients. Among the plants that have been representing resistance/ tolerance are those of the genus Ipomoea spp., most popularly known as Morning Glory. These plants affect soybean and cotton crops throughout their cycle, affecting their productivity. In this context, the object of this work was to evaluate the implementation of two object detection algorithms in real time (Faster R-CNN and YOLOv3), and to develop an embedded system for selective spraying of herbicides. Morning Glory plants in crops soybean and cotton, in the Cerrado Matogrossense. The project was developed at the Agricultural machinery laboratory of the Federal University of Mato Grosso, campus of Rondonopolis. The algorithms were trained to detect three classes (Soybean, Morning Glory and cotton) and evaluated in terms of precision and recall in the laboratory and field. The laboratory results of the Faster R-CNN algorithm showed results with an average accuracy of 87.20% and recall 77.20%, while the YOLOv3 tiny showed 81.16% accuracy and recall 68.00%. In the field tests, Faster R-CNN showed better results in comparison to YOLOv3 tiny in both modules analyzed, showing weed control average of 81.70% in cotton and 77.00% in soybean. The YOLOv3 tiny did not present satisfactory results in the field, presenting results less than 21.00% in the control of Morning Glory, present in the modules. The spray precision results of the Faster R-CNN demonstrate that object detection algorithms in real time for the selective control of post-emergent Morning Glory weeds in soybean and cotton crops.pt_BR
dc.description.resumoA cultura da soja e algodão tem grande importância no cenário econômico brasileiro, ambas são commodities que movimentam bilhões de reais por ano em exportação. Essa importância, pode ser observada no aumento na produção e em áreas plantadas ano após ano, mantendo o país entre os maiores produtores do mundo de ambas culturas. O manejo de plantas daninhas é uma das operações importantes para se obter ótimas produtividades. Entretanto, devido o uso incorreto de métodos de controle, principalmente de herbicidas, tem provocado resistências de alguns biotipos aos princípios ativos mais comercializados popularmente. Entre as plantas que vêm obtendo resistência/tolerância, estão as do gênero Ipomoea spp. Mais popularmente conhecida como corda-de-viola. Estas plantas afetam as culturas de soja e algodão em todo seu ciclo, afetando sua produtividade. Neste contexto, o objetivo deste trabalho foi avaliar a implementação de dois algoritmos de detecção de objetos em tempo real (Faster R-CNN e YOLOv3), e desenvolver um sistema embarcado para pulverização seletiva de herbicidas em plantas de corda-de-viola nas culturas de soja e algodão, no Cerrado Mato-Grossense. O projeto foi desenvolvido no laboratório de Máquinas Agrícolas da Universidade Federal de Rondonópolis. Os algoritmos foram treinados para detecção de três classes (Soja, corda-de- viola e algodão) e avaliados em termos de precisão e sensibilidade em laboratório e em campo. Nos resultados de laboratório a precisão média do Faster R-CNN foi de 87,20% e sensibilidade 77,20 %, já o YOLOv3 tiny teve 81,16% de precisão média e 68,00% de sensibilidade. Já nos testes de campo o Faster R-CNN resultados superiores em comparação ao YOLOv3 tiny em ambos os módulos analisados, com média de controle de plantas daninhas de 81,70% na cultura do algodão e 77,00% na cultura da soja. O YOLOv3 tiny obteve resultados satisfatórios em campo, com resultados inferiores a 21,00% no controle de corda-de-viola, presente nos módulos. Os resultados no controle através das pulverizações do Faster R-CNN, demonstraram que algoritmos de detecção de objetos em tempo real para o controle seletivo de plantas daninhas de corda-de-viola em aplicação de herbicidas pós-ermegentes podem ser utilizados nas culturas de soja e algodão.pt_BR
dc.identifier.citationSABÓIA, Hederson de Souza. Aprendizado profundo aplicado na pulverização seletiva em tempo real para controle de Ipomoea spp. 2020. 65 f. Dissertação (Mestrado em Engenharia Agrícola) - Universidade Federal de Mato Grosso, Instituto de Ciências Agrárias e Tecnológicas, Rondonópolis, 2020.pt_BR
dc.identifier.urihttps://ri.ufr.edu.br/handle/123456789/12463
dc.languageporpt_BR
dc.publisherUniversidade Federal de Mato Grossopt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Ciências Agrárias e Tecnológicas (ICAT) – Rondonópolispt_BR
dc.publisher.initialsUFMT CUR - Rondonopólispt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Agrícolapt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.cnpqCNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLApt_BR
dc.subject.keywordRedes neurais convolucionaispt_BR
dc.subject.keywordAgricultura de precisãopt_BR
dc.subject.keywordPlantas daninhaspt_BR
dc.subject.keyword2Convolutional neural networkspt_BR
dc.subject.keyword2Precision agriculturept_BR
dc.subject.keyword2Weedspt_BR
dc.titleAprendizado profundo aplicado na pulverização seletiva em tempo real para controle de Ipomoea spp.pt_BR
dc.typeDissertaçãopt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
DISS_2020_Hederson de Souza Sab_ia.pdf
Tamanho:
1020.39 KB
Formato:
Adobe Portable Document Format
Descrição:
Licença do Pacote
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.82 KB
Formato:
Plain Text
Descrição:
Coleções