
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Pereira, Ana I. | - |
| Autor(es): dc.contributor | Mendes, Armando | - |
| Autor(es): dc.contributor | Fernandes, Florbela P. | - |
| Autor(es): dc.contributor | Pacheco, Maria F. | - |
| Autor(es): dc.contributor | Coelho, João P. | - |
| Autor(es): dc.contributor | Lima, José | - |
| Autor(es): dc.creator | Alves, Adília | - |
| Autor(es): dc.creator | Pereira, José Alberto Cardoso | - |
| Autor(es): dc.creator | Khanal, Salik | - |
| Autor(es): dc.creator | Morais, A. Jorge | - |
| Autor(es): dc.creator | Filipe, Vítor Manuel Jesus | - |
| Data de aceite: dc.date.accessioned | 2026-08-11T12:32:11Z | - |
| Data de disponibilização: dc.date.available | 2026-08-11T12:32:11Z | - |
| Data de envio: dc.date.issued | 2026-02-26 | - |
| Data de envio: dc.date.issued | 2026-02-26 | - |
| Data de envio: dc.date.issued | 2024-02-02 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/10400.2/21541 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/10400.2/21541 | - |
| Descrição: dc.description | Modern agriculture faces important challenges for feeding a fast-growing planet’s population in a sustainable way. One of the most important challenges faced by agriculture is the increasing destruction caused by pests to important crops. It is very important to control and manage pests in order to reduce the losses they cause. However, pest detection and monitoring are very resources consuming tasks. The recent development of computer vision-based technology has made it possible to automatize pest detection efficiently. In Mediterranean olive groves, the olive fly (Bactrocera oleae Rossi) is considered the key-pest of the crop. This paper presents olive fly detection using the lightweight YOLO-based model for versions 7 and 8, respectively, YOLOv7-tiny and YOLOv8n. The proposed object detection models were trained, validated, and tested using two different image datasets collected in various locations of Portugal and Greece. The images are constituted by sticky yellow trap photos and by McPhail trap photos with olive fly exemplars. The performance of the models was evaluated using precision, recall, and mAP.95. The YOLOV7-tiny model best performance is 88.3% of precision, 85% of Recall, 90% of mAP.50, and 53% of mAP.95. The YOLOV8n model best performance is 85% of precision, 85% of Recall, 90% mAP.50, and 55% of mAP.50 YOLO8n model achieved worst results than YOLOv7-tiny for a dataset without negative images (images without olive fly exemplars). Aiming at installing an experimental prototype in the olive grove, the YOLOv8n model was implemented in a Ubuntu Server 23.04 Raspberry PI 3 microcomputer. | - |
| Descrição: dc.description | National funds FCT/MCTES (PIDDAC) to CIMO (UIDB/00690/2020 and UIDP/00690/2020) and SusTEC (LA/P/0007/2020). | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Springer, Cham | - |
| Relação: dc.relation | Mountain Research Center | - |
| Relação: dc.relation | Associate Laboratory for Sustainability and Tecnology in Mountain Regions | - |
| Relação: dc.relation | LA/P/0007/2020 | - |
| Relação: dc.relation | Communications in Computer and Information Science | - |
| Relação: dc.relation | https://link.springer.com/chapter/10.1007/978-3-031-53036-4_4 | - |
| Direitos: dc.rights | N/A | - |
| Palavras-chave: dc.subject | Olives sustainable production | - |
| Palavras-chave: dc.subject | Convolutional neural network | - |
| Palavras-chave: dc.subject | Deep learning | - |
| Palavras-chave: dc.subject | YOLOv7 | - |
| Palavras-chave: dc.subject | YOLOv8 | - |
| Título: dc.title | Pest detection in olive groves using YOLOv7 and YOLOv8 models | - |
| Aparece nas coleções: | Repositório Aberto - Universidade Aberta (Portugal) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: