
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.creator | Santana, Lucas Santos | - |
| Autor(es): dc.creator | Ferraz, Gabriel Araújo e Silva | - |
| Autor(es): dc.creator | Santos, Gabriel Henrique Ribeiro dos | - |
| Autor(es): dc.creator | Bento, Nicole Lopes | - |
| Autor(es): dc.creator | Faria, Rafael de Oliveira | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:00:11Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:00:11Z | - |
| Data de envio: dc.date.issued | 2023-05-26 | - |
| Data de envio: dc.date.issued | 2023-05-26 | - |
| Data de envio: dc.date.issued | 2022 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/56865 | - |
| Fonte completa do material: dc.identifier | https://www.mdpi.com/2071-1050/15/1/820 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1152211 | - |
| Descrição: dc.description | Computer vision algorithms for counting plants are an indispensable alternative in managing coffee growing. This research aimed to develop an algorithm for automatic counting of coffee plants and to determine the best age to carry out monitoring of plants using remotely piloted aircraft (RPA) images. This algorithm was based on a convolutional neural network (CNN) system and Open Source Computer Vision Library (OpenCV). The analyses were carried out in coffee-growing areas at the development stages three, six, and twelve months after planting. After obtaining images, the dataset was organized and inserted into a You Only Look Once (YOLOv3) neural network. The training stage was undertaken using 7458 plants aged three, six, and twelve months, reaching stability in the iterations between 3000 and 4000 it. Plant detection within twelve months was not possible due to crown unification. A counting accuracy of 86.5% was achieved with plants at three months of development. The plants’ characteristics at this age may have influenced the reduction in accuracy, and the low uniformity of the canopy may have made it challenging for the neural network to define a pattern. In plantations with six months of development, 96.8% accuracy was obtained for counting plants automatically. This analysis enables the development of an algorithm for automated counting of coffee plants using RGB images obtained by remotely piloted aircraft and machine learning applications. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Multidisciplinary Digital Publishing Institute | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Sustainability | - |
| Palavras-chave: dc.subject | Remote sensing | - |
| Palavras-chave: dc.subject | Deep learning | - |
| Palavras-chave: dc.subject | Precision coffee-growing | - |
| Palavras-chave: dc.subject | Digital agriculture | - |
| Palavras-chave: dc.subject | Plant count | - |
| Título: dc.title | Identification and counting of coffee trees based on convolutional neural network applied to RGB images obtained by RPA | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: