Busca avançada
Ano de início
Entree

Detecção de padrões em plantações a partir da combinação de classificadores e agrupadores de dados

Processo: 17/00357-7
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de março de 2018 - 29 de fevereiro de 2020
Área do conhecimento:Interdisciplinar
Pesquisador responsável:Luiz Fernando Sommaggio Coletta
Beneficiário:Luiz Fernando Sommaggio Coletta
Instituição-sede: Faculdade de Ciências e Engenharia. Universidade Estadual Paulista (UNESP). Campus de Tupã. Tupã , SP, Brasil
Pesq. associados:Denis Fernando Wolf ; Flávio José de Oliveira Morais ; Rodrigo Lilla Manzione
Bolsa(s) vinculada(s):18/08731-8 - Detecção de pragas em plantações usando aprendizado semissupervisionado, BP.TT
18/09048-0 - Coleta de dados visuais usando VANT para utilização em ferramentas de aprendizado de máquina, BP.TT
Assunto(s):Agricultura de precisão  Cana-de-açúcar  Aprendizado computacional  Agrupamento de dados  Classificação de dados 

Resumo

Devido ao baixo custo e a agilidade na coleta de dados, Veículos Aéreos Não Tripulados (VANTs) são tipicamente usados no mapeamento de áreas agrícolas. Estes mapeamentos podem ajudar a detectar, em especial, doenças que afetam áreas plantadas, como as que se destinam ao cultivo da cana-de-açúcar. Neste contexto, a identificação de diferentes padrões em dados coletados por VANTs envolve, em grande parte, o uso de métodos e algoritmos de Aprendizado de Máquina sob o paradigma de aprendizado supervisionado. Contudo, estes métodos e algoritmos exigem significativa quantidade de dados rotulados para induzir modelos de classificação precisos e com boa capacidade de generalização, o que raramente é alcançado em aplicações agrícolas. Essa limitação abre espaço para o desenvolvimento de classificadores que, mesmo induzidos a partir de poucos dados rotulados, sejam capazes de mostrar resultados relevantes na detecção de padrões em plantações. O ponto de partida será a investigação de abordagens para a combinação de classificadores e agrupadores de dados, cuja ideia subjacente é compensar a falta de dados rotulados com a informação de grupos encontrados nos dados. A partir disso pretende-se conceber um método/algoritmo capaz de refinar modelos de classificação alimentados por dados visuais provindos do sensoriamento via VANT para a detecção da praga Migdolus Fryanus (broca da cana) na cultivar da cana-de-açúcar. (AU)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
COLETTA, LUIZ F. S.; PONTI, MOACIR; HRUSCHKA, EDUARDO R.; ACHARYA, AYAN; GHOSH, JOYDEEP. Combining clustering and active learning for the detection and learning of new image classes. Neurocomputing, v. 358, p. 150-165, SEP 17 2019. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.