Please use this identifier to cite or link to this item:
http://tede2.uepg.br/jspui/handle/prefix/2747
metadata.dc.type: | Dissertação |
Title: | MÉTODO DE CLASSIFICAÇÃO DE PRAGAS POR MEIO DE REDE NEURAL CONVOLUCIONAL PROFUNDA |
metadata.dc.creator: | Rosa, Renan de Paula |
metadata.dc.contributor.advisor1: | Vaz, Maria Salete Marcon Gomes |
metadata.dc.contributor.referee1: | Britto Junior, Alceu de Souza |
metadata.dc.contributor.referee2: | Joris, Hélio Antônio Wood |
metadata.dc.description.resumo: | As pragas em lavouras causam prejuízos econômicos na agricultura, reduzindo a produção e consequentemente os lucros. O manejo de pragas é essencial, para reduzir estes prejuízos, e consiste na identificação e posterior controle desse tipo de ameaça. O controle é fundamentalmente dependente da identificação, pois é a partir dela que o manejo é feito. A identificação é feita visualmente, baseando-se nas características da praga. Essas características são inerentes e diferem de espécie para espécie. Devido à dificuldade da identificação, esse processo é realizado principalmente por profissionais especializados na área, o que acarreta na concentração do conhecimento. Esta dissertação apresenta uma metodologia para classificação de pragas por meio de técnicas de computação, onde um sistema computacional do tipo clienteservidor foi criado a fim de prover a classificação de pragas por meio de serviço, que é realizado pelo uso de rede neural convolucional baseada na arquitetura Inception V3. As pragas Anticarsia Gemmatalis, Helicoverpa armigera e Spodoptera Cosmioides, foram escolhidas para classificação por serem bastante comuns no estado do Paraná. A rede neural convolucional obteve índice de acerto de 92,5%. |
Abstract: | Pests on crops cause economic damage to agriculture, reducing production and consequently profits. Pest management is essential to reduce these losses, and consists in the identification and subsequent control of this type of threat. Control is fundamentally dependent on identification, because management is done from it. The identification is made visually, based on the characteristics of the pest. These characteristics are inherent and differ from species to species. Due to the difficulty of identification, this process is carried out mainly by professionals specialized in the area, which entails the concentration of knowledge. This dissertation presents a methodology for pest classification by means of computational techniques, in which a client-server computational system was created in order to provide pest classification by means of a service, which is performed by the use of convolutional neural network based in the Inception V3 architecture. The pests Anticarsia Gemmatalis, Helicoverpa armigera and Spodoptera Cosmioides, were chosen for classification because they are quite common in the state of Paraná. The convolutional neural network obtained a success rate of 92.5%. |
Keywords: | Machine learning Deep learning Rede neural convolucional Classificação de imagens Machine learning Deep learning Convolutional neural network Images classification |
metadata.dc.subject.cnpq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
metadata.dc.language: | por |
metadata.dc.publisher.country: | Brasil |
Publisher: | Universidade Estadual de Ponta Grossa |
metadata.dc.publisher.initials: | UEPG |
metadata.dc.publisher.department: | Departamento de Informática |
metadata.dc.publisher.program: | Programa de Pós Graduação Computação Aplicada |
Citation: | ROSA, Renan de Paula. Método de classificação de pragas por meio de rede neural convolucional profunda. 2018. Dissertação (Mestrado Computação Aplicada) - Universidade Estadual de Ponta Grossa, Ponta Grossa, 2018. |
metadata.dc.rights: | Acesso Aberto Attribution-NonCommercial-NoDerivs 3.0 Brazil |
metadata.dc.rights.uri: | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
URI: | http://tede2.uepg.br/jspui/handle/prefix/2747 |
Issue Date: | 19-Nov-2018 |
Appears in Collections: | Programa de Pós Graduação Computação Aplicada |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Renan Rosa.pdf | dissertação completa em pdf | 3.97 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License