DETECÇÃO E RECONHECIMENTO DE PLANTAS DE PEQUENO PORTE UTILIZANDO APRENDIZAGEM DE MÁQUINA

Autores

  • Thales Santos Verne UNOESTE
  • Francisco Assis da Silva UNOESTE
  • Leandro Luiz de Almeida
  • Danillo Roberto Pereira
  • Almir Olivette Artero

Palavras-chave:

CNN, Detecção e Reconhecimento de plantas, Rede neural, Aprendizagem de máquina

Resumo

A detecção e reconhecimento de plantas sempre foi uma tarefa difícil até mesmo para conhecedores e estudiosos, devido a vasta variedade de plantas encontradas ao redor do mundo. Com o avanço da tecnologia torna-se possível resolver esse problema computacionalmente. Neste trabalho, é apresentado um método para realizar a detecção e reconhecimento de plantas a partir de imagens utilizando algoritmos de visão computacional e inteligência artificial. Os resultados mostram que o custo computacional e a taxa de reconhecimento foram satisfatórios para uso em ambientes controlados. O tempo de processamento para reconhecer cada planta foi de 375 milissegundos, com acurácia de 92%.

Downloads

Não há dados estatísticos.

Referências

AGARAP, A. F. M. Deep Learning using Rectified Linear Units (ReLU). 2018. Disponível em: https://arxiv.org/pdf/1803.08375.pdf. Acesso em: 15 junho 2021.

AMIDI, A.; AMIDI, S. Convolutional Neural Networks cheatsheet. Disponível em: https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-convolutional-neural-networks. Acesso em: 20 junho 2021.

ALBAWI, S.; MOHAMMED, T. A.; AL-ZAWI, S. Understanding of a convolutional neural network. 2017. In: INTERNATIONAL CONFERENCE ON ENGINEERING AND TECHNOLOGY (ICET). DOI: 10.1109/ICEngTechnol.2017.8308186.

DEEPAI. What is Stride (Machine Learning)?. Disponível em: https://deepai.org/machine-learning-glossary-and-terms/stride#:~:text=Stride%20is%20a%20parameter%20of,or%20unit%2C%20at%20a%20time. Acesso em: 15 junho 2021.

GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A. Deep learning. 2016. DOI: https://doi.org/10.4258/hir.2016.22.4.351. Disponível em: https://e-hir.org/journal/view.php?id=10.4258/hir.2016.22.4.351. Acesso em: 15 junho 2021.

HANG, J.; ZHANG, D.; CHEN, P.; ZHANG, J.; WANG, B. Classification of Plant Leaf Diseases Based on Improved Convolutional Neural Network. 2019. DOI: https://doi.org/10.3390/s19194161. Disponível em https://www.mdpi.com/1424-8220/19/19/4161. Acesso em: 15 junho 2021.

INOVA. Agência de inovação da UNICAMP. 2017. Deep learning é tecnologia de aprendizado de máquina que mais cresce em todo o mundo. Disponível em: https://www.inova.unicamp.br/noticia/deep-learning-e-tecnologia-de-aprendizado-de-maquina-que-mais-cresce-em-todo-o-mundo. Acesso em: 15 junho 2021.

JAMIL, N; HUSSIN, N. A. C.; NORDIN, S.; AWANG, K. Automatic Plant Identification: Is Shape the Key Feature?. 2015. In: IEEE INTERNATIONAL SYMPOSIUM ON ROBOTICS AND INTELLIGENT SENSORS (IEEE IRIS2015). DOI: https://doi.org/10.1016/j.procs.2015.12.287. Disponível em: https://www.sciencedirect.com/science/article/pii/S1877050915037886. Acesso em: 10 junho 2021.

JOLY, A.; GOËAU, H.; BONNET, P.; BAKIĆ, V.; BARBE, J.; SELMI, S.; YAHIAOUI, I.; CARRÉ, J.; MOUYSSET, E.; MOLINO, J.; BOUJEMAA, N.; BARTHÉLÉMY, D. Interactive plant identification based on social image data, 2014, Disponível em: https://www.sciencedirect.com/science/article/pii/S157495411300071X. Acesso em: 15 junho 2021.

KERAS. 2021. Disponível em: https://keras.io. Acesso: 15 junho 2021.

KRIZHEVSKY, A.; SUTSKEVER, I.; HINTON, G. E. ImageNet Classification with Deep Convolutional Neural Networks. 2017. DOI: https://doi.org/10.1145/3065386. Disponível em: https://dl.acm.org/doi/pdf/10.1145/3065386. Acesso em: 10 junho 2021.

LI, Y. A Convergence Analysis of Two-layer Neural Networks with ReLU Activation. 2017. Disponível em: https://arxiv.org/pdf/1705.09886.pdf. Acesso em: 10 junho 2021.

MARTINS, J. P. Notas Sobre Redes Neurais Convolucionais. 2020. Disponível em: https://jpvmm.github.io/first-post.html. Acesso em: 20 junho 2021.

RICHARDSON, E.; WEISS, Y. On GANs and GMMs. 2019. Disponível em https://arxiv.org/abs/1805.12462. Acesso em: 23 junho 2021.

SHORTEN, C.; KHOSHGOFTAAR, T. A survey on Image Data Augmentation for Deep Learning. 2019. DOI: https://doi.org/10.1186/s40537-019-0197-0. Disponível em: https://journalofbigdata.springeropen.com/articles/10.1186/s40537-019-0197-0. Acesso em: 15 junho 2021.

TENSORFLOW. 2021. Disponível em: https://www.tensorflow.org. Acesso em: 15 junho 2021.

ULINDALA, P. R. Convolutional Neural Networks (CNN’s) — A practical perspective. 2020. Towards data science. Disponível em: https://towardsdatascience.com/convolutional-neural-networks-cnns-a-practical-perspective-c7b3b2091aa8. Acesso em: 24 junho 2021.

YALCIN, H.; RAZAVI, S. Plant Classification using Convolutional Neural Networks, 2016. In: FIFTH INTERNATIONAL CONFERENCE ON AGRO-GEOINFORMATICS (AGRO-GEOINFORMATICS). DOI: https://doi.org/10.1109/Agro-Geoinformatics.2016.7577698. Disponível em: https://ieeexplore.ieee.org/document/7577698. Acesso em: 10 junho 2021.

ZHANG, N.; LIU, W. Plant leaf recognition method based on clonal selection algorithm and K nearest neighbor. Journal of Computer Applications, 2013.

Downloads

Publicado

2022-05-04

Como Citar

Santos Verne, T., Assis da Silva, F., Luiz de Almeida, L., Roberto Pereira, D., & Olivette Artero, A. (2022). DETECÇÃO E RECONHECIMENTO DE PLANTAS DE PEQUENO PORTE UTILIZANDO APRENDIZAGEM DE MÁQUINA. Colloquium Exactarum. ISSN: 2178-8332, 14(1), 36–45. Recuperado de https://journal.unoeste.br/index.php/ce/article/view/4099

Artigos mais lidos pelo mesmo(s) autor(es)

1 2 3 4 > >>