Tesis
Um modelo de aprendizagem profunda para reconhecimento de pragas em milharais
Fecha
2020-02-19Registro en:
SOUZA, Witenberg Santiago Rodrigues. Um modelo de aprendizagem profunda para reconhecimento de pragas em milharais. 2019. xvi, 70 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2019.
Autor
Souza, Witenberg Santiago Rodrigues
Institución
Resumen
Este trabalho aborda o reconhecimento de pestes artrópodes em milharais por imagens de
campo. Primeiramente, construiu-se um novo conjunto de imagens de pragas primárias e
secundárias, tomadas em campo aberto. O banco contém imagens originais e ampliadas em
número, as quais foram empregadas em uma abordagem de classificação supervisionada
de imagens. Foram propostas também, modificações para um modelo original residual de
aprendizagem profunda (Inception-V3), doravante chamado Inception-V3*. As modificações
realizadas no modelo possibilitaram uma maior velocidade de aprendizagem, i.e., menor
quantidade de épocas de treinamento para alcançar o menor erro quadrático, além da
maior exatidão em comparação ao modelo original. Os testes foram sub-agrupados em
dois experimentos, um com as pragas primárias somente e o segundo com todas as pragas
(primárias e secundárias). A eficácia dos modelos convolucionais foi avaliada e os modelos
foram comparados a um classificador de padrão linear binário associado a máquinas de
vetores de suporte. Em média, o modelo Inception-V3* proposto obteve a melhor taxa de
acerto com 97,0% de precisão usando validação cruzada.