Active learning e sua aplicação no monitoramento da cana-de-açúcar utilizando o algoritmo SVM.
A cana-de-açúcar é um dos pilares do agronegócio brasileiro e, por apresentar intensa dinâmica expansionista, demanda metodologias que subsidiem a criação de estratégias políticas e econômicas que promovam a sustentabilidade da produção. Este artigo propõe uma nova abordagem de monitoramento de áreas canavieiras baseada na classificação de séries temporais de imagens de satélite associada à técnica de Active Learning. A interação do usuário especialista no aprendizado do algoritmo de classificação através desta técnica utilizando parâmetros sazonais das séries temporais gerou um conjunto de treino otimizado que promoveu a redução do custo operacional de monitoramento da ocupação da cana-de-açúcar. A correlação de cerca de 90% observada entre as análises conduzidas neste trabalho com dados oficiais indica que a metodologia proposta pode ser utilizada no monitoramento agrícola devido à similaridade entre os resultados associada ao baixo custo operacional envolvido.
| Main Authors: | , , |
|---|---|
| Other Authors: | |
| Format: | Anais e Proceedings de eventos biblioteca |
| Language: | pt_BR por |
| Published: |
2017-12-21
|
| Subjects: | Mineração de dados, Análise sazonal, Classificação de imagens, Séries temporais, Algoritmo Support Vector Machine, Índice de Vegetação da Diferença Normalizada, Data mining, Seasonal analysis, Cana de açúcar, Sugarcane, Time series analysis, Vegetation index, |
| Online Access: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1083299 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|