Análise de desempenho da YOLOv3 para detecção em tempo real de insetos-praga na soja

Performance analysis of YOLOv3 for real-time detection of pests in soybeans

dc.contributorTetila, Everton Castelão
dc.contributor0000-0001-5396-766X
dc.contributorhttp://lattes.cnpq.br/4761324267689856
dc.contributorGilberto Astolfi, Gilberto Astolfi
dc.contributorhttp://lattes.cnpq.br/5124671422031558
dc.contributorAmorim, Willian Paraguassu
dc.contributorhttp://lattes.cnpq.br/8746409982228678
dc.contributorCosta, Anderson Bessa da
dc.contributorhttp://lattes.cnpq.br/7301361373989213
dc.contributorMoro, Marcos Paulo
dc.contributor0000-0001-8554-5752
dc.contributorhttp://lattes.cnpq.br/7628219731132525
dc.creatorSilveira, Fabio Amaral Godoy da
dc.date2021-11-22T03:09:50Z
dc.date2021-11-22T03:09:50Z
dc.date2021-05-14
dc.date.accessioned2023-09-29T12:26:09Z
dc.date.available2023-09-29T12:26:09Z
dc.identifierSILVEIRA, Fabio Amaral Godoy da. Análise de desempenho da YOLOv3 para detecção em tempo real de insetos-praga na soja. 2021. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) – Faculdade de Ciências Exatas e Tecnologias, Universidade Federal da Grande Dourados, Dourados, MS, 2021.
dc.identifierhttp://repositorio.ufgd.edu.br/jspui/handle/prefix/4645
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9103432
dc.descriptionIn this work, we evaluated the You Only Look Once (YOLOv3) architecture for real-time detection of pests in soybeans. Plantation images were collected on different days, locations and climatic conditions, between the phenological stages R1 to R6, considered to have a high occurrence of pests in soybeans. For the training and testing of the neural network, we used a 5-fold cross-validation considering four metrics to evaluate the classification results: precision, recall, F-score and accuracy; and three metrics to evaluate the detection results: mean absolute error (MAE), root mean square error (RMSE) and coefficient of determination (R²). The experimental results showed that the YOLOv3 architecture trained with batch size 32 leads to higher classification and detection rates compared to batch sizes 4 and 16. The results indicate that the evaluated architecture can support specialists and farmers in monitoring the levels of pest control action in soybean fields.
dc.descriptionNeste trabalho avaliamos a arquitetura You Only Look Once (YOLOv3) para detecção em tempo real de insetos-praga na soja. As imagens da plantação foram coletadas em dias, locais e condições climáticas diferentes, entre os estádios fenológicos R1 a R6, considerados de grande ocorrência de pragas na soja. Para o treinamento e teste da rede neural, usamos uma validação cruzada de 5 dobras considerando quatro métricas para avaliar os resultados da classificação: precisão, revocação, medida-F e acurácia; e três métricas para avaliar os resultados da detecção: erro médio absoluto (MAE), raiz do erro médio quadrático (RMSE) e coeficiente de determinação (R²). Os resultados experimentais mostraram que a arquitetura YOLOv3 treinada com tamanho de lote 32 leva a taxas de classificação e detecção mais altas em comparação aos tamanhos de lote 4 e 16. Os resultados indicam que a arquitetura avaliada pode apoiar especialistas e agricultores no monitoramento dos níveis de ação de controle de pragas nos campos de soja.
dc.languagepor
dc.publisherUniversidade Federal da Grande Dourados
dc.publisherBrasil
dc.publisherFaculdade de Ciências Exatas e Tecnologia
dc.publisherUFGD
dc.rightsAcesso Aberto
dc.subjectDesempenho produtivo
dc.subjectAgricultura de precisão
dc.subjectCombate às pragas
dc.subjectProductive performance
dc.subjectPrecision agriculture
dc.subjectPest control
dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.titleAnálise de desempenho da YOLOv3 para detecção em tempo real de insetos-praga na soja
dc.titlePerformance analysis of YOLOv3 for real-time detection of pests in soybeans
dc.typeTrabalho de Conclusão de Curso


Este ítem pertenece a la siguiente institución