dc.creator | Fernandes, Pablo | |
dc.date.accessioned | 2022-11-04T21:49:13Z | |
dc.date.available | 2022-11-04T21:49:13Z | |
dc.date.issued | 2022-08-31 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/26770 | |
dc.description.abstract | The management of Eucalyptus production has its technical operational processes
well defined and consolidated throughout the country. However, the management of
weeds, which compete with Eucalyptus plants, decrease the final productivity of the
plantation, this monitoring of weed control is still dependent on a technical inspection
in loco and its quantification is not accurate. Therefore, the present study aims to
map the density of weeds in commercial plantations of Eucalyptus saligna through
artificial intelligence techniques applied to multispectral images of very high spatial
resolution. Thus, a study was developed based on a bibliometric review on the state
of the art of the research developed with RPAS (Remotely Piloted Aircraft System) for
the mapping weeds in forest and agricultural areas. In four Eucalyptus saligna
production areas in the state of Rio Grande do Sul, Brazil, with an average age of 54
days after planting, eight sample plots were evaluated to identify and obtain
hyperspectral reflectances readings of weeds and Eucalyptus saligna with the
FieldSpec® 3 spectroradiometer. Using the artificial intelligence RF (Random Forest)
algorithm with an accuracy of 95.44%, it was determined that the most important
wavelength ranges are from 510 to 589 nm, 400 to 423 nm, 674 to 731 nm and 886
at 900 nm were able to distinguish weeds from Eucalyptus saligna individuals in
commercial plantations. In these same areas, multispectral images were also
obtained with the Parrot Sequoia sensor embedded in the RPAS Phantom 4 Pro,
using a flight height of 30 m. From these images, the four sensor bands and five
more vegetation indices were used as predictors. The K-Means algorithm was
applied for image segmentation and vegetation discrimination in the classes
Eucalyptus saligna, weeds and regrowth of Eucalyptus saligna. These data were
partitioned into 70% training and 30% testing, to be modeled by the RF algorithm,
whose model obtained an accuracy of 95.49% in the classification of weeds, which
enabled the elaboration of the weed density map for the study areas, composing the
final product of the study | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | RPAS | por |
dc.subject | Inteligência artificial | por |
dc.subject | Plantas espontâneas | por |
dc.subject | Eucalyptus | por |
dc.subject | Artificial intelligence | eng |
dc.subject | Weeds | eng |
dc.title | Imagens multiespectrais e inteligência artificial para predição da densidade de plantas espontâneas em plantio de Eucalyptus saligna | por |
dc.title.alternative | Multispectral images and artificial intelligence for predicting weed density in planting of Eucalyptus saligna | eng |
dc.type | Tese | por |
dc.description.resumo | O manejo da produção do Eucalyptus possui seus processos técnicos operacionais
bem definidos e consolidados em todo o país. No entanto, o manejo das plantas
espontâneas, que competem com as plantas de Eucalyptus, diminuem a
produtividade final do plantio, esse monitoramento de controle de plantas
espontâneas ainda é dependente de uma vistoria técnica in loco e sua quantificação
não é precisa. Sendo assim, o presente estudo tem como objetivo mapear a
densidade de plantas espontâneas em plantios comerciais de Eucalyptus saligna por
meio de técnicas de inteligência artificial aplicadas a imagens multiespectrais de
altíssima resolução espacial. Com isso foi desenvolvido um estudo a partir de uma
revisão bibliométrica sobre o estado da arte as pesquisas desenvolvidas com RPAS
(Remotely Piloted Aircraft System) para o mapeamento das plantas espontâneas em
áreas florestais e agrícolas. Em quatro áreas de produção do Eucalyptus saligna no
estado do Rio Grande do Sul, Brasil, com idade média de 54 dias após o plantio,
foram avaliadas oito parcelas amostrais para identificação e obtenção de leituras de
refletâncias hiperespectrais de plantas espontâneas e Eucalyptus saligna com o
espectrorradiômetro FieldSpec® 3. Por meio do algoritmo de inteligência artificial RF
(Random Forest), com precisão de 95,44% determinou-se que os intervalos de
comprimento de onda de maior importância são de 510 a 589 nm, 400 a 423 nm,
674 a 731 nm e 886 a 900 nm foram capazes de distinguir plantas espontâneas de
indivíduos de Eucalyptus saligna em plantios comerciais. Nessas mesmas áreas
também foram obtidas imagens multiespectrais com o sensor Parrot Sequoia
embarcado no RPAS Phantom 4 Pro, utilizando a altura do voo de 30 m. A partir
dessas imagens, foram utilizados como preditores as quatro bandas do sensor e
mais cinco índices de vegetação. O algoritmo K-Means foi aplicado para
segmentação das imagens e discriminação da vegetação nas classes Eucalyptus
saligna, plantas espontâneas e rebrota de Eucalyptus saligna. Esses dados foram
particionados em 70% treino e 30% teste, para serem modelados pelo algoritmo RF,
cujo modelo obteve uma precisão de 95,49% de acerto na classificação de plantas
espontâneas, o que viabilizou a elaboração do mapa de densidade de plantas
espontâneas para as áreas do estudo, compondo o produto final do estudo. | por |
dc.contributor.advisor1 | Pereira, Rudiney Soares | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/9479801378014588 | por |
dc.contributor.advisor-co1 | Longhi, Solon Jonas | |
dc.contributor.referee1 | Miola, Alessandro Carvalho | |
dc.contributor.referee2 | Eugenio, Fernando Coelho | |
dc.contributor.referee3 | Pes, Luciano Zucuni | |
dc.contributor.referee4 | Teixeira, Tiago De Gregori | |
dc.creator.Lattes | http://lattes.cnpq.br/7867596036622027 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Recursos Florestais e Engenharia Florestal | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Florestal | por |
dc.subject.cnpq | CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL | por |
dc.publisher.unidade | Centro de Ciências Rurais | por |