Sistema automatizado de detecção de mosca-das-frutas com rede neural convolucional

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPaula Filho, Pedro Luiz de-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-6291-9237-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8149364045680042-
Autor(es): dc.contributorBazzi, Claudio Leones-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-7726-144X-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2170981286370303-
Autor(es): dc.contributorGebler, Luciano-
Autor(es): dc.contributorhttps://orcid.org/0000-0001-9622-5578-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3800729962480769-
Autor(es): dc.contributorPaula Filho, Pedro Luiz de-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-6291-9237-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8149364045680042-
Autor(es): dc.contributorSobjak, Ricardo-
Autor(es): dc.contributorhttps://orcid.org/0000-0001-5652-5840-
Autor(es): dc.contributorhttp://lattes.cnpq.br/4715050023362183-
Autor(es): dc.creatorMedeiros, Tito Alex-
Data de aceite: dc.date.accessioned2025-08-29T12:54:24Z-
Data de disponibilização: dc.date.available2025-08-29T12:54:24Z-
Data de envio: dc.date.issued2025-03-20-
Data de envio: dc.date.issued2026-08-28-
Data de envio: dc.date.issued2025-03-20-
Data de envio: dc.date.issued2025-02-26-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/36152-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1103984-
Descrição: dc.descriptionThis work addresses the automation of pest monitoring in fruit growing, with an emphasis on fruit fly detection, using the McPhail trap integrated with image capture and computational analysis technologies. Agriculture, especially fruit growing, faces significant challenges due to pests that affect fruit production and quality. Traditional management of these pests is often inefficient and unsustainable. The study proposes an innovative solution through the development of an automated system that combines advanced hardware, such as digital cameras and processors, with image processing algorithms to detect and manage pest infestations more effectively and with less environmental impact.The methodology includes system assembly, laboratory and field testing, and data analysis to validate the effectiveness of the automated approach. The system utilizes a Raspberry Pi 4 microcomputer, a 4MP camera, and solar power for energy autonomy. The YOLO v8 algorithm was employed for real-time detection of fruit flies, achieving a mean Average Precision (mAP50) of 95% and a recall of 90%. The system demonstrated robustness in field conditions, with the ability to log detection data, including GPS coordinates, date, and time, for further analysis.The expected results include improved accuracy and efficiency in pest monitoring, reduced operational costs, and the promotion of more sustainable agricultural practices. The system’s ability to operate autonomously with minimal human intervention makes it a promising tool for integrated pest management in fruit production.-
Descrição: dc.descriptionEste trabalho propõe uma solução inovadora para o monitoramento e controle da mosca-das-frutas, uma praga que causa danos significativos à fruticultura. O estudo desenvolve um sistema automatizado que integra a armadilha McPhail tradicional com tecnologias de captura de imagem e processamento digital, visando aumentar a eficiência e reduzir os custos operacionais do manejo de pragas. O sistema combina hardware avançado, como câmeras digitais e microcomputadores (Raspberry Pi), com algoritmos de visão computacional (YOLO v8) para detectar e registrar a presença de moscas-das-frutas em tempo real. A metodologia incluiu a montagem do sistema, testes em laboratório e campo, e a validação da eficácia do sistema automatizado. Os resultados demonstraram que o sistema é capaz de detectar moscas com alta precisão (mAP50 de 95%) e recall de 90%, além de operar de forma autônoma com energia solar. O sistema também mostrou-se robusto em condições de campo, com capacidade de registrar dados georreferenciados e gerar logs de detecção para análises posteriores. Os principais benefícios do sistema incluem a redução da dependência de inspeções manuais, a promoção de práticas agrícolas mais sustentáveis e a melhoria na precisão do monitoramento de pragas.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherMedianeira-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Tecnologias Computacionais para o Agronegócio-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsembargoedAccess-
Direitos: dc.rightshttps://creativecommons.org/licenses/by/4.0/deed.en-
Palavras-chave: dc.subjectMelhoramento de cultivos agrícolas-
Palavras-chave: dc.subjectInovações agrícolas-
Palavras-chave: dc.subjectMosca-das-frutas-
Palavras-chave: dc.subjectCrop improvement-
Palavras-chave: dc.subjectAgricultural innovations-
Palavras-chave: dc.subjectFruit-flies-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Palavras-chave: dc.subjectEngenharia/Tecnologia/Gestão-
Título: dc.titleSistema automatizado de detecção de mosca-das-frutas com rede neural convolucional-
Título: dc.titleAutomated fruit fly detection system with convolutional neural network-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.