Comparação entre classificadores supervisionados para mapeamento de plantas invasoras em imagens aéreas capturadas por VANTs

Abstract

Neste trabalho é apresentado uma comparação entre redes neurais convolucionais e abordagens clássicas de visão computacional, para o problema específico da agricultura de precisão de mapeamento de plantas invasoras em campos de cana-de-açúcar a partir de imagens RGB aéreas, adquiridas a partir de veículos aéreos não tripulados (VANTs). Uma revisão sistemática da literatura foi realizada para descobrir quais métodos de visão computacional estão sendo usados para este problema. Os métodos mais citados foram implementados, bem como quatro modelos de redes neurais convolucionais. Todas as abordagens implementadas foram testadas, usando o mesmo conjunto de dados, e seus resultados foram analisados quantitativa e qualitativamente. Os resultados obtidos foram comparados com um padrão ouro gerado por um especialista humano, para validação. Os resultados indicam que as redes neurais convolucionais apresentam melhor precisão e generalizam melhor que os modelos clássicos.

Abstract: In this paper, we present a comparison between convolutional neural networks and classical computer vision approaches, for the specific precision agriculture problem of weed mapping on sugarcane fields aerial RGB images, captured by unmanned aerial vehicle (UAVs). A systematic literature review was conducted to find which computer vision methods are being used on this specific problem. The most cited methods were implemented, as well as four models of convolutional neural networks. All implemented approaches were tested using the same dataset, and their results were quantitatively and qualitatively analyzed. The obtained results were compared to a human expert made ground truth, for validation. The results indicate that the convolutional neural networks present better precision and generalize better than the classical models.