Título:	Deep learning e segmentação semântica de imagens para diagnóstico de níveis de degradação de pastagem.
Autoria:	VIEIRA, L. P. SIMÕES, M. FERRAZ, R. P. D. RIBEIRO, J. A.
Afiliação:	LUAN PORTO VIEIRA, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO MARGARETH GONCALVES SIMOES, CNPS RODRIGO PECANHA DEMONTE FERRAZ, CNPS JOÃO ARAÚJO RIBEIRO, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO.
Ano de publicação:	2023
Referência:	In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 1024-1027.
Conteúdo:	O processo de degradação de pastagem pode ser identificado quando a produção de forragem diminui, consequentemente, o aumento das áreas descobertas e plantas invasoras. Este trabalho objetivou avaliar técnicas de segmentação semântica de fotografias para diferenciação de plantas invasoras, forrageiras, solo exposto e palhada por meio do modelo DeeplabV3+. Primeiramente o modelo foi treinado com amostras do banco de dados The GrassClover Image Dataset for Semantic and Hierarchical Species Understanding in Agriculture. Um pequeno banco de dados foi construído a partir das fotografias ortogonais, retiradas da plataforma Atlas das Pastagens. Após o processo de treinamento com os dois bancos de imagens os resultados demonstraram satisfatórios com valores de MIoU de 87,6% com o primeiro banco de imagens e 75,4% com segundo banco de imagens. Conclui-se que as técnicas de segmentação semântica de imagens apresentam potencial para subsidiar a classificação da degradação de pastagens.
Thesagro:	Pastagem
NAL Thesaurus:	Image analysis
Palavras-chave:	Visão computacional Aprendizado de máquina Redes Neurais Convolucionais
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CNPS)