Identificação automática dos estágios de vida da Bemisia tabaci spp. por visão computacional e aprendizagem de máquina

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBorges, Díbio Leandro-
Autor(es): dc.creatorSilva, Guilherme Albuquerque Barbosa-
Data de aceite: dc.date.accessioned2024-10-23T15:57:35Z-
Data de disponibilização: dc.date.available2024-10-23T15:57:35Z-
Data de envio: dc.date.issued2020-06-29-
Data de envio: dc.date.issued2020-06-29-
Data de envio: dc.date.issued2019-12-05-
Fonte completa do material: dc.identifierhttps://repositorio.unb.br/handle/10482/38346-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/896400-
Descrição: dc.descriptionDissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2019.-
Descrição: dc.descriptionPragas agrícolas têm sofrido um aumento de incidência nas últimas décadas. Pesticidas como a maior forma de controle de pragas tem declinado em eficiência, na medida que a resistência das pragas aumenta. Métodos de controle mais naturais tem sido testados com grande sucesso em controlar estas populações de pragas. Tais métodos se beneficiam e necessitam de informações sobre essas pragas. Neste trabalho é apresentada uma metodologia de reconhecimento e contagem da mosca branca (Bemisia tabaci spp) em 6 diferentes estágios de seu ciclo de vida usando modelo de Aprendizagem de Máquina, Random Forests e regras morfologicamente derivadas. Fornecidas pela Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA) 240 imagens foram utilizadas, obtidas com câmera de espectro comum. As imagens foram rotuladas e cada uma comparada com as regras entomológicas para a contagem e classificação de cada objeto: exúvia, ínstar 1 ao ínstar 4 e a mosca adulta. O sistema foi treinado em 100 imagens e performou a mesma tarefa de classificação nas 140 imagens restantes previamente não vistas pelo sistema e os resultados comparados. Os resultados mostraram acurácia de 95% de classificação por pixel e 86% para a classificação dos objetos. Sendo essa metodologia compatível com métodos similares.-
Descrição: dc.descriptionAgricultural pests have been increasing in the past few decades. Pesticides as the major control method is declining in efficiency as pest resistance is increasing. More natural methods have been tested with great success in controlling pest population, such methods require and benefits with more information about the pests. Our work is to present a methodology for the recognition and counting of the silverleaf whitefly (Bemisia tabaci spp) in 6 different stages of its life cycle using the Machine Learning model, Random Forests and morphological derived rules. Given by Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA), 240 images were used, taken with a consumer entry level camera. The images were labeled and each one compared to entomological rules to count and classify each object: exuviae, instar 1 to 4 and adult flies. The system was trained in 100 images and performed the same classification task in the remaining unseen 140 images and the results compared. The results showed accuracy of 95% for pixel classification and 86% for object classification. Being this methodology comparable with similar methods.-
Formato: dc.formatapplication/pdf-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectPragas agrícolas-
Palavras-chave: dc.subjectRandom Forests-
Palavras-chave: dc.subjectAprendizagem de máquina-
Título: dc.titleIdentificação automática dos estágios de vida da Bemisia tabaci spp. por visão computacional e aprendizagem de máquina-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.