Detecção de frutos em viticultura utilizando redes neurais profundas.
RESUMO - Neste trabalho investigamos técnicas de detecção de objetos por redes neurais aplicadas à detecção de frutos em viticultura. Desenvolvemos também a base de dados Embrapa WGISD, composta por imagens coletadas em Abril de 2017 e Abril de 2018 na Vinícola De Guaspari. Anotada manualmente, a base de dados possui 5 cultivares diferentes de uva: Syrah, Chardonnay, Cabernet Franc, Cabernet Sauvignon e Sauvignon Blanc, totalizando 4419 amostras de cachos de uva. Foram treinadas duas redes neurais convolutivas de arquiteturas, YOLOv2 e YOLOv3, para detecção e localização dos cachos nas imagens. Resultados quantitativos demonstraram precisão de até 88%, revocação de até 74%, e F1-Score de até 80% para YOLOv2 e precisão de até 92%, revocação de até 65% e F1-Score de até 76% para YOLOv3. Testes qualitativos demonstram que a rede YOLOv2 generaliza melhor para o conjunto de dados utilizado, e a rede YOLOv3 fornece uma localização melhor ajustada.
Main Authors: | , , |
---|---|
Other Authors: | |
Format: | Anais e Proceedings de eventos biblioteca |
Language: | pt_BR pt_BR |
Published: |
2019-08-23
|
Subjects: | Detecção de frutos, Redes neurais, Aprendizagem profunda, Detecção de uvas, Fruit detection, Deep Learning, Viticultura, Viticulture, Neural networks, |
Online Access: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1111590 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|