PPGEE

Programa de Pós-graduação
em Engenharia Elétrica

UFRGS

Defesa Pública da Dissertação de Mestrado do Engenheiro de Controle e Automação Matheus Cassali da Rosa

Data: 23/04/2019 - terça-feira
Horário: 13h00min
Local: Salão de Eventos do Instituto Eletrotécnico da UFRGS (Av. Osvaldo Aranha, nº 103 - 1º andar - Campus Centro)

Banca examinadora:

Profa. Dra. Adriane Parraga - Curso de Engenharia de Computação - UERGS

Prof. Dr. Ricardo de Azambuja - Plymouth University - UK

Prof. Dr. Alexandre Balbinot - PPGEE - UFRGS

Orientador: Prof. Dr. Valner João Brusamarello - PPGEE - UFRGS

Título da Dissertação: "REDES NEURAIS CONVOLUTIVAS APLICADAS À DETECÇÃO DE ERVAS DANINHAS"

Resumo:
"A discriminação entre plantas de cultura e erva daninha é um passo muito importante para os sistemas de pulverização seletiva, cuja aplicação é feita apenas onde for necessário. Tais sistemas são essenciais para evitar o desperdício de agroquímicos e reduzir os impactos econômicos e ambientais. Várias técnicas de visão computacional foram desenvolvidas para abordar o problema, no entanto, existem poucos trabalhos utilizando deep learning para essa finalidade. Neste trabalho é analisado o desempenho de segmentação de ervas daninhas e plantas através de duas arquiteturas diferentes de aprendizagem profunda para a segmentação semântica: Rede Totalmente Convolucionais (Fully Convolutional Network) e SegNet. Um banco de dados aberto com 39 imagens de plantas e ervas daninhas foi usado para estudo de caso. Os resultados mostraram uma precisão global maior que 90% no conjunto de validação para ambas as arquiteturas. Num segundo experimento, novas redes FCN foram treinadas com diferente pré-processamento das imagens e diferentes proporções treino/teste do conjunto de dados para avaliar o impacto dessas ações no desempenho de segmentação.

Palavras-chave: Detecção de ervas daninhas, deep learning, FCN, SegNet, segmentação de imagem."