[DISSERTAÇÃO DE MESTRADO] Detection of Sugarcane Crop Rows From UAV Images Using Semantic Segmentation and Radon Transform

Local: 
Por videoconferência
Data de Defesa: 
07/12/2020 - 13:30
Banca examinadora: 
Prof. Dr. André Ricardo Backes - FACOM/UFU (Orientador)
Prof. Dr. Mauricio Cunha Escarpinati - FACOM/UFU (Coorientador)
Prof. Dr. Marcelo Zanchetta do Nascimento - FACOM/UFU
Prof. Dr. Hemerson Pistori - UCDB

Nos últimos anos, os VANTs (Veículos Aéreos Não Tripulados) têm se tornado cada vez mais populares no setor agrícola, promovendo e possibilitando o monitoramento de imagens aéreas tanto no contexto científico, quanto no de negócios. Imagens capturadas por VANTs são fundamentais para práticas de agricultura de precisão, pois permitem a realização de atividades que lidam com imagens de baixa ou média altitude. Após a semeadura, o cenário da área plantada pode mudar drasticamente ao longo do tempo devido ao aparecimento de erosões, falhas de plantio, morte e ressecamento de parte da cultura, intervenções de animais, etc. Assim, o processo de detecção das linhas de plantio é de grande importância para o planejamento da colheita, estimando o uso de insumos, controle de custos de produção, contagem de plantas, correção antecipada de falhas de semeadura, irrigação mais eficiente, entre outros. Além disso, a informação de geolocalização das linhas de plantio detectadas permite o uso de maquinários autônomos e um melhor planejamento de aplicação de insumos, reduzindo custos financeiros e a agressão ao meio Ambiente. Neste trabalho, abordamos o problema de segmentação e detecção de linhas de plantio de cana-de-açúcar em imagens obtidas por VANTs. Nossa abordagem consiste em duas etapas. Primeiro, usamos uma Rede Neural Convolucional (CNN) para segmentar as imagens, classificando suas regiões como linhas de plantio ou como solo não plantado. Em seguida, utilizamos a transformada Radon para reconstruir e melhorar as linhas já segmentadas, tornando-as mais uniformes ou agrupando fragmentos de linhas e plantas soltas pertencentes à mesma linha de plantio. Comparamos nossos resultados com segmentações feitas manualmente por especialistas e os resultados demonstram a eficiência e a viabilidade de nossa abordagem para a tarefa proposta.