dc.contributor.author | Bertolla, Alex Bisetto | |
dc.date.accessioned | 2022-02-25T08:51:12Z | |
dc.date.available | 2022-02-25T08:51:12Z | |
dc.date.issued | 2021-12-29 | |
dc.identifier.citation | BERTOLLA, Alex Bisetto. Método para classificação de padrões da Lagarta do cartucho (Spodoptera frugiperda) na cultura do milho baseado em processamento de imagens digitais e aprendizado de máquina. 2021. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/15648. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/15648 | |
dc.description.abstract | The detection, identification, and control of the Fall Armyworm (Spodoptera frugperda) pest
into the maize culture (Zea mays) are greatly dependent on the human factor. Currently, such
control occurs mainly through the use of capture traps. This makes the diagnosis of infestations
of this pest inefficient and can cause significant damage to production, as well as in general
some additional use of pesticides. The objective of this research is to use image and signal
processing techniques to establish a method for recognizing the Fall Armyworm (Spodoptera
frugperda) pattern in maize culture, allowing its early, reliable and supervised recognition, which
improves the state of art of controller procedments in order to obtain an automatized process.
Image aquisition, image enhancement, segmentation, features extraction, the use of Principal
Components Analisys (PCA) and superviosioned classification techniques were considered
for the method development. For image aquisition, it has been used an online image data
base. For image enhancement, Gaussiam and Non-Local Means filters were experimented
for noise reduction. Mean Square Error (MSE) and Peak Signal-to-Noise Ratio (PSNR) were
measured for filters avaliation. For semgmentation process, thresholding with seed pixels were
experimented on HSV and CIE L*a*b* color spaces. In order to automatize, Otsu technique was
applied in the process of image segmentation. For feature extraction, Histogram of Orientation
Gradient (HOG) and invariants moments of Hu were experimentd, in order to obtain texture
and geometric information, respectively, as well as, for feature vector dimensionality reduction
Princial Components Analisys (PCA) were experimented. For pattern classification of Fall
Armyworm (Spodoptera frugperda) a set of classifiers based on Support Verctor Machine (SVM)
was established. The developed method has shown to be suitable for Fall Armyworm (Spodoptera
frugperda) pattern classification, wich has contributed to the porpouse of decision making for
pest identification and control on maize culture. The method has also contributed to the evolution
of digital image processing techniques and analisys tools. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Processamento de imagens digitais | por |
dc.subject | Reconhecimento de padrões | por |
dc.subject | Classificação de padrões de pragas | por |
dc.subject | Aprendizado de máquina | por |
dc.subject | Digital image processing | eng |
dc.subject | Pattern recognition | eng |
dc.subject | Pests classification | eng |
dc.subject | Machine learning | eng |
dc.title | Método para classificação de padrões da Lagarta do cartucho (Spodoptera frugiperda) na cultura do milho baseado em processamento de imagens digitais e aprendizado de máquina | por |
dc.title.alternative | Classification method for Armyworm (Spodoptera frugiperda) pattern recognition in maize culture based on digital image processing and machine learning | eng |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Cruvinel, Paulo Estevão | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7924553462118511 | por |
dc.description.resumo | A detecção, identificação e combate à Lagarta do cartucho (Spodoptera frugperda) na cultura do
milho (Zea mays) depende muito do fator humano. Atualmente, o controle ocorre principalmente
por meio de armadilhas de captura. Isso faz com que o diagnóstico de infestações dessa praga
seja pouco eficiente, podendo ocasionar significativos prejuízos à produção, assim como o
uso excessivo de agrotóxicos. Este trabalho apresenta um método para seu controle com base
no uso de técnicas do processamento de imagens e sinais para reconhecimento de padrões
da Lagarta do Cartucho na cultura do milho, permitindo assim, seu reconhecimento precoce,
confiável e supervisionado. Seu emprego melhora o estado da arte dos procedimentos de controle
para se chegar à possibilidade de automatização. Para o desenvolvimento do método foram
consideradas técnicas de obtenção de imagens, pré-processamento, segmentação, extração de
características, uso da técnica PCA e classificação supervisionada. Para a etapa de aquisição
de imagens, foi utilizado banco de imagens online . Para a etapa de pré-processamento, foram
avaliados filtros Gaussiano e Non-local Means para a suavização de ruídos. As métricas Erro
Quadrado Médio (Mean Square Error - MSE) e Pico da Razão Sinal-Ruído (Peak Sigtal-to-Noise
Ratio - PSNR) foram utilizadas para a validação do processo de filtragem de imagens. Para a
etapa de segmentação de imagens, foram avaliadas técnicas de limiarização e pixels sementes por
meio do padrão de cores HSV ( Hue, Saturation e Value) e CIE L*a*b*. Foi também estabelecido
a automatização do processo de segmentação das imagens utilizando a técnica de Otsu. Para a
etapa de extração de características, foram aplicados e considerados os descritores de textura
(Histogram of Orientation Gradient - HOG), de momentos invariantes de Hu, para a obtenção
de descrição de formas e tamanhos, assim como a redução de dimensionalidade dos vetores de
características por meio da Análise de Componentes Principais (Principal Component Analysis -
PCA). Para a classificação dos padrões da Lagarta do Cartucho foi estabelecido um conjunto
de classificadores baseados em Máquinas de Vetores de Suporte (Support Vector Machine -
SVM). O método desenvolvido se mostrou adequado para a classificação dos padrões da Lagarta
do Cartucho (Spodoptera frugperda), o que contribui para o auxílio à tomada de decisão na
identificação dessa praga na cultura do milho e seu controle. O método também contribui para a
evolução das técnicas e ferramentas de análise, obtidas a partir de técnicas do processamento de
imagens digitais. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação - PPGCC | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/8131290455815693 | por |