dc.contributor.author | Lima, Daniel Caio de | |
dc.date.accessioned | 2020-04-23T12:46:47Z | |
dc.date.available | 2020-04-23T12:46:47Z | |
dc.date.issued | 2020-04-17 | |
dc.identifier.citation | LIMA, Daniel Caio de. Métodos para estimativa de imagens NIR a partir de imagens de câmeras RGB. 2020. Tese (Doutorado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2020. Disponível em: https://repositorio.ufscar.br/handle/ufscar/12450. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/12450 | |
dc.description.abstract | Precision Agriculture involves the use of technology for management and decision making to allow rural producers to get better production results. To gain the desired effect, it is necessary a huge data collection and processing of the cultivated areas, being Remote Sensing, using special sensors attached to drones, a powerful alternative for this task. Vegetation Indices obtained with arithmetic equations, are used to highlight vegetation cover density variations using near infrared (NIR) images and visible spectrum images, being useful to assess biomass and productivity estimation from a crop, for example. The main problem is the elevated costs of drones and principally of sensors that acquire NIR images, making the use of this technology, by small producers, unattractive or difficult. The objective of this work is to propose a method to estimate NIR images using ordinary photographic camera RGB images that could eliminate the use of specific sensors and the need to make alterations in commom cameras, thus making this technology cost lower. To achieve this goal, we propose the use of a Deep Learning architecture (Pix2Pix) and a spectral signature based, KNN classification and a weighted sum by proximity degree of k nearest reference signatures method, producing a new spectral signature. These methods are described and evaluated in this document. Results showed that the two methods investigated can be used to estimate NIR images, showing high similarity to real NIR images. | por |
dc.description.sponsorship | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | por |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | 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 | Sensoriamento Remoto | por |
dc.subject | Remote Sensing | por |
dc.subject | Estimativa de Imagem NIR | por |
dc.subject | NIR Image Estimative | por |
dc.subject | Deep Learning | por |
dc.subject | Pix2Pix | por |
dc.subject | KNN | por |
dc.subject | Assinatura Espectral | por |
dc.subject | Spectral Signature | por |
dc.title | Métodos para estimativa de imagens NIR a partir de imagens de câmeras RGB | por |
dc.title.alternative | Methods to estimate NIR images from RGB cameras images | por |
dc.type | Tese | por |
dc.contributor.advisor1 | Saito, José Hiroki | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7065615446493390 | por |
dc.description.resumo | A Agricultura de Precisão envolve o emprego de tecnologia para gestão e tomada de decisão para que produtores rurais consigam ter melhores resultados de produção. Para surtir o efeito desejado, é necessária uma grande coleta, processamento e análise de dados das áreas cultivadas, sendo o Sensoriamento Remoto, utilizando-se de sensores especiais acoplados a drones, uma das principais alternativas para esta tarefa. Os índices de vegetação, obtidos por equações matemáticas, são utilizados para realçar as variações da densidade da cobertura vegetal, utilizando-se de imagens no infravermelho próximo (Near Infrared - NIR) e imagens no espectro visível, sendo úteis para avaliar a produtividade e biomassa de uma plantação, por exemplo. No entanto, o custo elevado dos drones e, principalmente, dos sensores que captam imagens NIR, podem tornar inviável ou pouco atrativo o uso desta tecnologia por pequenos produtores. O objetivo deste trabalho é propor um método para estimar imagens NIR a partir de imagens RGB obtidas por câmeras fotográficas comuns, eliminando o uso de sensores específicos e a necessidade de fazer alterações no hardware das câmeras, tornando assim o custo desta tecnologia mais baixo. Para atingir este objetivo, foi proposto o uso de uma arquitetura de Deep Learning (Pix2Pix) e um método baseado na utilização de assinaturas espectrais de referência, classificação com KNN e uma soma ponderada pelo grau de proximidade das k assinaturas de referência mais próximas, produzindo uma nova assinatura espectral. Os métodos estão descritos e avaliados no presente trabalho. Os resultados mostraram que os dois métodos investigados possuem potencial para estimar imagens NIR, apresentando alto grau de similaridade em relação a imagens NIR reais. | 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.description.sponsorshipId | CNPq: 310310/2013-0 | por |
dc.description.sponsorshipId | CAPES: código de financiamento - 001 | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/2950948945228069 | por |