Compreensão de cenas em agricultura por redes neurais profundas.
RESUMO - A compreensão de cenas tridimensionais na agricultura é de interesse estratégico para a atividade, pois abre caminho para automatizar análises e processos produtivos no campo. Na última década, algoritmos de aprendizado profundo se tornaram estado da arte em tarefas de detecção e classificação em imagens. Ao mesmo tempo, algoritmos de reconstrução tridimensionais de estruturas a partir de imagens se tornaram cada vez mais robustos e escaláveis. Redes neurais profundas, no entanto, ainda são pouco aplicadas a dados tridimensionais, em especial a representações de cenas na agricultura. Neste trabalho, mostramos os resultados de testes de reconstrução tridimensional de linhas de uma vinícola e desenvolvemos a base de uma interface para anotação de nuvens de pontos, fundamental para o treinamento de redes neurais. Acreditamos que as redes profundas serão capazes de segmentar, classificar e identificar a qual instância pertencem objetos de interesse em videiras, como frutos, folhas e ramos. Esse resultado é aplicável no auxílio de atividades que precisem de análise fenotípica em campo, como robótica de precisão, acompanhamento da produção e previsão de rendimentos de cultivos.
Main Authors: | , |
---|---|
Other Authors: | |
Format: | Anais e Proceedings de eventos biblioteca |
Language: | Portugues pt_BR |
Published: |
2020-12-07
|
Subjects: | Redes neurais, Redes Neurais Profundas, Reconstrução Tridimensional, Anotação de Dados, Classificação e Segmentação, Nuvens de Pontos, Deep Neural Networks, Tridimensional Reconstruction, Data Annotation, Classification and Segmentation, Point Clouds, Neural networks, |
Online Access: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1127719 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|