Desenvolvimento de algoritmo baseado em meta-aprendizagem para classificar famílias de plantas daninhas tóxicas ao gado.
Open Access
- 20 March 2025
- journal article
- Published by Universidade Federal de Pernambuco in Revista dos Mestrados Profissionais
- Vol. 13 (2) , 158-176
Abstract
Este trabalho propõe um algoritmo de segmentação semântica baseado em Redes Neurais Convolucionais (RNC) para classificar plantas daninhas das famílias Amaranthaceae, Boraginaceae e Plantaginaceae, que são tóxicas para o gado. A identificação precisa dessas plantas é crucial para um controle eficaz. Para o desenvolvimento do algoritmo, foi coletado um conjunto de imagens de ervas daninhas em diversos cenários, como pastagens, plantações de cana-de-açúcar e outras culturas. As imagens foram normalizadas para um tamanho padrão de 704x1056 pixels. O algoritmo utilizou técnicas de meta-aprendizagem, como MAML, e o EfficientNet-B0, um extrator de características pré-treinado, em uma arquitetura de Rede Piramidal de Características (FPN) para segmentação semântica. A métrica Intersection over Union (IoU), também conhecida como mIoU, foi utilizada para avaliar o desempenho do modelo. Durante o treinamento, o modelo alcançou uma perda de 0,007, mIoU de 0,887 e acurácia de 0,998. Na validação, os resultados foram uma perda de 0,034, mIoU de 0,868 e acurácia de 0,988, demonstrando a eficiência e o alto desempenho do algoritmo proposto.Keywords
This publication has 9 references indexed in Scilit:
- Plant Disease Detection and Classification Method Based on the Optimized Lightweight YOLOv5 ModelAgriculture, 2022
- Using satellite imagery to understand and promote sustainable developmentScience, 2021
- Deep Learning Applied to Phenotyping of Biomass in Forages with UAV-Based RGB ImagerySensors, 2020
- Deep learning in remote sensing applications: A meta-analysis and reviewISPRS Journal of Photogrammetry and Remote Sensing, 2019
- Deep learning based multi-temporal crop classificationRemote Sensing of Environment, 2019
- A cadeia de Pecuária de Corte no Brasil: evolução e tendênciasRevista IPecege, 2017
- U-Net: Convolutional Networks for Biomedical Image Segmentation2015
- Risks of large-scale use of systemic insecticides to ecosystem functioning and servicesEnvironmental Science and Pollution Research, 2014
- Sustainable Intensification in Agriculture: Premises and PoliciesScience, 2013