Powered by OpenAIRE graph
Found an issue? Give us feedback
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/ Biblioteca Digital d...arrow_drop_down
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/
addClaim

Desenvolvimento de um sistema de visão computacional para a deteção e monitorização de infestações de vespa-das-galhas-do-castanheiro em castanheiros infetados

Authors: Bento, Ricardo Manuel Gois;

Desenvolvimento de um sistema de visão computacional para a deteção e monitorização de infestações de vespa-das-galhas-do-castanheiro em castanheiros infetados

Abstract

A doença da vespa-das-galhas-do-castanheiro (Dryocosmus kuriphilus) constitui uma das maiores ameaças à produção de castanha, afetando significativamente a saúde e produtividade dos castanheiros. Esta praga provoca deformações nas folhas e ramos dos castanheiros, resultando no enfraquecimento da árvore e numa diminuição considerável da produção de castanha. A identificação precoce e o combate eficiente à vespa-das-galhas são cruciais para minimizar os prejuízos e garantir a sustentabilidade da produção de castanha. Este trabalho propõe um sistema de deteção automática da presença infeções nas galhas, utilizando técnicas de visão computacional, que visam facilitar a identificação precoce da praga e, assim, melhorar a eficácia das ações de controlo. O sistema foi desenvolvido com recurso a Convolutional Neural network (CNN) e ao modelo YOLOv8.2, treinado com um dataset composto por imagens anotadas de galhas de castanheiro. Este dataset foi construído e aumentado através de técnicas de data augmentation para melhorar a capacidade de generalização do modelo e aumentar a robustez do sistema perante diferentes condições de iluminação e ângulos de captura. A deteção das galhas infetadas é realizada através da análise de imagens capturadas por um drone, com uma velocidade controlada de forma a garantir a captura de detalhes suficientes para uma deteção precisa, ou outro meio de captação de imagens de alta definição. Esta abordagem permite realizar um rastreio eficiente e de baixo custo, cobrindo grandes áreas em menos tempo e com menor intervenção humana. Os resultados obtidos demonstram que o sistema desenvolvido tem potencial para ser utilizado numa fase de pré-análise, oferecendo apoio à decisão para os produtores e cooperativas. Este sistema auxilia no combate à vespa-das-galhas-do-castanheiro, permitindo uma identificação precoce e uma intervenção direcionada, contribuindo para a redução dos danos causados pela praga. Apesar de ainda não estar totalmente maduro para aplicação final, o sistema mostra-se promissor na proteção das produções de castanha.

Country
Portugal
Related Organizations
Keywords

Rastreio de pragas, Visão computacional, Vespa-das-galhas-do-castanheiro, Convolutional neural network, Deteção automática, YOLOv8.2, Drone

  • BIP!
    Impact byBIP!
    selected citations
    These citations are derived from selected sources.
    This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    0
    popularity
    This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
    Average
    influence
    This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    Average
    impulse
    This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
    Average
Powered by OpenAIRE graph
Found an issue? Give us feedback
selected citations
These citations are derived from selected sources.
This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Citations provided by BIP!
popularity
This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
BIP!Popularity provided by BIP!
influence
This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Influence provided by BIP!
impulse
This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
BIP!Impulse provided by BIP!
0
Average
Average
Average
Green
Related to Research communities
STARS EU