Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | University of Brasília, Department of Mechanical Engineering | - |
Autor(es): dc.contributor | University of Brasília, Department of Computer Science | - |
Autor(es): dc.creator | Gomes, Jacó Cirino | - |
Autor(es): dc.creator | Borges, Díbio Leandro | - |
Data de aceite: dc.date.accessioned | 2024-07-22T11:36:40Z | - |
Data de disponibilização: dc.date.available | 2024-07-22T11:36:40Z | - |
Data de envio: dc.date.issued | 2023-10-09 | - |
Data de envio: dc.date.issued | 2023-10-09 | - |
Data de envio: dc.date.issued | 2022-07-22 | - |
Fonte completa do material: dc.identifier | http://repositorio2.unb.br/jspui/handle/10482/46639 | - |
Fonte completa do material: dc.identifier | https://doi.org/10.3390/agronomy12081733 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0003-4810-5138 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0002-4868-0629 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/784639 | - |
Descrição: dc.description | Recognizing insect pests using images is an important and challenging research issue. A correct species classification will help choosing a more proper mitigation strategy regarding crop management, but designing an automated solution is also difficult due to the high similarity between species at similar maturity stages. This research proposes a solution to this problem using a few-shot learning approach. First, a novel insect data set based on curated images from IP102 is presented. The IP-FSL data set is composed of 97 classes of adult insect images, and 45 classes of early stages, totalling 6817 images. Second, a few-shot prototypical network is proposed based on a comparison with other state-of-art models and further divergence analysis. Experiments were conducted separating the adult classes and the early stages into different groups. The best results achieved an accuracy of 86.33% for the adults, and 87.91% for early stages, both using a Kullback–Leibler divergence measure. These results are promising regarding a crop scenario where the more significant pests are few and it is important to detect them at earlier stages . Further research directions would be in evaluating a similar approach in particular crop ecosystems, and testing cross-domains. | - |
Descrição: dc.description | Faculdade de Tecnologia (FT) | - |
Descrição: dc.description | Departamento de Engenharia Mecânica (FT ENM) | - |
Descrição: dc.description | Instituto de Ciências Exatas (IE) | - |
Descrição: dc.description | Departamento de Ciência da Computação (IE CIC) | - |
Descrição: dc.description | Programa de Pós-Graduação em Sistemas Mecatrônicos | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | MDPI | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | Copyright: © 2022 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license (https:// creativecommons.org/licenses/by/ 4.0/). | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Inseto - classificação | - |
Palavras-chave: dc.subject | Imagens digitais | - |
Título: dc.title | Insect pest image recognition : a few-shot machine learning approach including maturity stages classification | - |
Aparece nas coleções: | Repositório Institucional – UNB |
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: