dc.contributor.advisor | Lichtnow, Daniel | |
dc.creator | Ortiz, Pedro Arthur Pinto da Silva | |
dc.date.accessioned | 2024-08-01T19:24:16Z | |
dc.date.available | 2024-08-01T19:24:16Z | |
dc.date.issued | 2023-12-13 | |
dc.date.submitted | 2023 | |
dc.identifier.citation | ORTIZ, P. A. P. da S. Sistema para detecção de problemas na cultura do morango a partir da análise de imagens. 2023. 73 p. Trabalho de Conclusão de Curso (Curso Superior de Tecnologia em Sistemas para Internet) - Universidade Federal de Santa Maria, Santa Maria, RS, 2023. | por |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/32585 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Colégio Politécnico, Curso Superior de Tecnologia em Sistemas para Internet, RS, 2023. | por |
dc.description.abstract | This study aims to leverage machine learning techniques in developing a model for classifying images within the realm of agriculture. We focus on a dataset tailored to strawberry plants, a common crop found in small-scale farming. The model was implemented using the Ultralytics HUB analysis app, renowned for real-time object detection and image recognition, and it’s fine-tuned with the power of GPUs. Our approach involves utilizing a Kaggle
platform dataset, transferred seamlessly to RoboFlow, and adopting the YOLOv8 architecture. The primary goal is to explore methods for identifying plant issues, such as damage or diseases, thereby minimizing the need for manual inspections. By automating the image verification process, we envision the ability to monitor a larger number of cultivated areas, generate more precise reports, and reallocate resources to address other vital agricultural needs. This contributes to the efficient use of resources available to small-scale farms. The final result obtained was an application that, when connected to the internet, can make predictions about strawberry diseases (without explaining the causes or explaining the reasons for the diseases) when the camera is pointed at them. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Computação gráfica | por |
dc.subject | Processamento de imagens | por |
dc.subject | Morango | por |
dc.subject | Análise de imagens | por |
dc.subject | Visão computacional | por |
dc.subject | Computer graphics | eng |
dc.subject | Strawberry | eng |
dc.subject | Image analysis | eng |
dc.subject | Image processing | eng |
dc.subject | Computer vision | eng |
dc.title | Sistema para detecção de problemas na cultura do morango a partir da análise de imagens | por |
dc.title.alternative | System for strawberry crop issue detection through image analysis | eng |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.degree.graduation | Curso Superior de Tecnologia em Sistemas para Internet | por |
dc.description.resumo | Este estudo tem como objetivo aplicar técnicas de aprendizado de máquina para desenvolver um modelo de classificação de imagens no contexto da agricultura, utilizando um dataset específico para pés de morango, uma cultura comum em pequenas propriedades. A implementação do modelo foi realizada no aplicativo de análise Ultralytics HUB. O aplicativo é conhecido por oferecer detecção de objetos e reconhecimento de imagens em tempo real, otimizando o treinamento do modelo de ML com o uso de GPUs. O trabalho inclui a utilização de um dataset da plataforma Kaggle, transferido para o RoboFlow, e emprega a
arquitetura YOLOv8. A proposta visa estudar e analisar formas de detectar problemas nas plantas, como danos ou doenças, reduzindo a necessidade de verificações manuais. A automatização do processo de verificação de imagens poderia permitir monitorar um maior número de áreas cultivadas, gerar relatórios mais precisos e realocar recursos para outras demandas agrícolas importantes, contribuindo para a otimização dos recursos disponíveis nas pequenas propriedades. O resultado obtido foi um aplicativo que, quando conectado à internet, consegue fazer previsões sobre as doenças dos morangos quando a câmera está direcionada para eles. O aplicativo não identifica as causas das doenças, apenas indica a probabilidade de sua presença. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA | por |
dc.publisher.unidade | Colégio Politécnico da UFSM | por |