Identificação de pragas na agricultura de precisão usando aquisição de dados de imagem de baixo custo

Resumo

Os veículos aéreos não tripulados (UAVs), muitas vezes chamados de drones, ganharam prevalência progressiva por sua rápida capacidade operacional, bem como por sua ampla aplicabilidade em diversas situações do mundo real. Ultimamente, o uso de UAV na agricultura de precisão tem atraído muito interesse da comunidade científica. Este estudo analisará a ajuda de drones na agricultura de precisão. O big data tem a capacidade de analisar enormes quantidades de dados. Por isso é uma das diversas tecnologias cruciais de tecnologia da informação e comunicação (TIC) que foram aplicadas na agricultura de precisão para a abstração de informações críticas, bem como para auxiliar os praticantes agrícolas na compreensão das práticas agrícolas mais viáveis, e também para uma melhor tomada de decisão. Este trabalho analisa protocolos de comunicação, bem como sua aplicação no desafio de comandar uma frota de drones para proteção de lavouras contra infestações de parasitas. Para tarefas de visão computacional, bem como para aplicações com uso intensivo de dados, o método de aprendizagem profunda mostrou muito potencial. Devido ao seu vasto potencial, também pode ser utilizado na área agrícola. Esta pesquisa empregará vários esquemas para avaliar a eficácia de modelos, incluindo o Grupo de Geometria Visual (VGG-16), a Rede Neural Convolucional (CNN), bem como a Rede Totalmente Convolucional (FCN) na detecção de doenças de plantas. Os métodos de sistemas imunológicos artificiais (AIS) podem ser utilizados para adaptar redes neurais profundas à situação imediata. Os resultados simulados demonstram que o método proposto oferece desempenho superior em relação a vários outros métodos tecnologicamente avançados.

Palavras-chave:
Sistema Imunológico Artificial (AIS); Big Data; Rede Neural Convolucional (CNN); Aprendizado Profundo; Drones; Rede Totalmente Convolucional (FCN); Pragas; Agricultura de Precisão; Grupo de Geometria Visual (VGG-16)