Export iten: EndNote BibTex

Please use this identifier to cite or link to this item: http://tede.upf.br:8080/jspui/handle/tede/1956
Full metadata record
DC FieldValueLanguage
dc.creatorDe Cesaro Júnior, Telmo-
dc.creator.Latteshttp://lattes.cnpq.br/2203361164630380por
dc.contributor.advisor1Rieder, Rafael-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3010497094377497por
dc.date.accessioned2021-02-19T21:29:04Z-
dc.date.issued2020-12-21-
dc.identifier.citationDE CESARO Júnior, Telmo. InsectCV: um sistema para detecção de insetos em imagens digitais. 2020. 78 f. Dissertação (Mestrado em Computação Aplicada) - Universidade de Passo Fundo, Passo Fundo, RS, 2020.por
dc.identifier.urihttp://tede.upf.br:8080/jspui/handle/tede/1956-
dc.description.resumoA tarefa manual de contagem e identificação de pequenos insetos, como afídeos e parasitoides, capturados em armadilhas de campo do tipo cor é exaustiva, demorada e não escalável. Essa atividade envolve a separação dos elementos de interesse e requer a utilização de lupas e/ou microscópios. Recentes avanços em inteligência artificial, processamento de imagens e computação de alto desempenho têm viabilizado o desenvolvimento de soluções de visão computacional eficientes para monitorar pragas e identificar doenças em plantas. Nesse sentido, este trabalho apresenta o InsectCV, um sistema para a contagem e identificação automática de insetos em imagens geradas pela digitalização de amostras capturadas em armadilhas. Para o desenvolvimento dessa solução, utilizou-se um conjunto de 209 imagens em escala de cinza contendo 17.908 insetos rotulados, a rede neural convolucional profunda Mask R-CNN para a geração do modelo e a implementação de três serviços web. No treinamento do modelo foi aplicada a técnica de transferência de aprendizado e aumento de dados. Foram definidos dois novos parâmetros para ajustar a relação de falsos positivos por classe. Para a validação do modelo foram utilizadas imagens de insetos obtidas a partir de armadilhas expostas em Coxilha e Passo Fundo, RS, Brasil nas safras de trigo de 2019 e 2020. Em comparação com a contagem manual, os coeficientes de determinação foram próximos a 1 (R 2 = 0,87 para afídeos e R 2 = 0,92 para parasitoides), indicando a capacidade do modelo em identificar a flutuação dos níveis populacionais para esses insetos. Sendo assim, o InsectCV pode ser utilizado para detectar limiares de ação em sistemas de alerta para manejo integrado de pragas.por
dc.description.abstractThe manual task of counting and identifying small insects, such as aphids and parasitoids, captured in color-type field traps is exhausting, time-consuming, and non-scalable. This activity involves the separation of the elements of interest and requires the use of magnifiers or microscopes. Recent advances in artificial intelligence, image processing, and high-performance computing have enabled the development of efficient computer vision solutions to monitor pests and identify diseases in plants. With this in mind, this work presents InsectCV, a system for the automatic counting and identification of insects in images generated by the scanning of samples captured in traps. For the development of this solution, we used a 209 grayscale images dataset containing 17,908 labeled insects, a convolutional neural network Mask R-CNN to generate the model, and the development of three web services. During the training of the model, we applied the transfer learning technique and the data augmentation. We defined two new parameters to adjust the false-positive ratio by class. We used images of insects obtained from traps exposed in Coxilha and Passo Fundo, RS, Brazil in 2019 and 2020 wheat crops. In comparison to the manual counting, we verified coefficients determination close to 1 (R2 = 0:87 for aphids and R2 = 0:92 for parasitoids), proving the ability of the model to identify the fluctuation of population levels for these insects. Therefore, InsectCV can be used to detect action thresholds in alert systems for integrated pest management.eng
dc.description.provenanceSubmitted by Aline Rezende (alinerezende@upf.br) on 2021-02-19T21:29:04Z No. of bitstreams: 1 2020TelmoDeCesaroJunior.pdf: 5991081 bytes, checksum: 4b32d8d00286c44dfcbab6d5d5993c0f (MD5)eng
dc.description.provenanceMade available in DSpace on 2021-02-19T21:29:04Z (GMT). No. of bitstreams: 1 2020TelmoDeCesaroJunior.pdf: 5991081 bytes, checksum: 4b32d8d00286c44dfcbab6d5d5993c0f (MD5) Previous issue date: 2020-12-21eng
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade de Passo Fundopor
dc.publisher.departmentInstituto de Ciências Exatas e Geociências – ICEGpor
dc.publisher.countryBrasilpor
dc.publisher.initialsUPFpor
dc.publisher.programPrograma de Pós-Graduação em Computação Aplicadapor
dc.rightsAcesso Abertopor
dc.subjectInformática na agriculturapor
dc.subjectPragas agrícolas - Controlepor
dc.subject.cnpqCIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOpor
dc.titleInsectCV: um sistema para detecção de insetos em imagens digitaispor
dc.title.alternativeInsectCV: a system for detecting insects in digital imageseng
dc.typeDissertaçãopor
Appears in Collections:Programa de Pós-Graduação em Computação Aplicada

Files in This Item:
File Description SizeFormat 
2020TelmoDeCesaroJunior.pdfDissertação Telmo De Cesaro Junior5.85 MBAdobe PDFView/Open ???org.dspace.app.webui.jsptag.ItemTag.preview???


Items in TEDE are protected by copyright, with all rights reserved, unless otherwise indicated.