Banca de DEFESA: Bruno Pinheiro de Melo Lima

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : Bruno Pinheiro de Melo Lima
DATA : 15/03/2024
HORA: 09:00
LOCAL: Microsoft TEAMS
TÍTULO:

Detecção e contagem automáticas de Euschistus heros (Percevejo marrom) em lavouras de soja usando imagens e aprendizagem profunda

PALAVRAS-CHAVES:

Aprendizagem profunda. YOLO. rastreamento e contagem de insetos. soja.

PÁGINAS: 72
RESUMO:

No Brasil, a produção de soja aumentou consideravelmente nas últimas décadas, impulsi-
onada por tecnologias agrícolas avançadas. No entanto, o uso excessivo de pesticidas, que
representa uma parte significativa dos custos, apresenta desafios econômicos e ambientais.
Métodos de detecção e contagem de pragas usando Visão Computacional mostram-se pro-
missores, uma vez que as abordagens tradicionais são trabalhosas e demoradas. Este estudo
apresenta um método projetado para identificar e contar insetos em tempo real em campos
de soja, construído sobre um modelo YOLOv8 aprimorado, especificamente desenvolvido
para essa missão. Para aprimorar a precisão na detecção de pequenos insetos e reduzir a
complexidade do modelo YOLOv8, conduzimos experimentos de ablação para avaliar o im-
pacto da integração de um nível de recursos mais profundo e uma camada C2f2 proposta no
modelo de detecção de insetos. Por meio desses experimentos, o novo algoritmo foi treinado
e testado usando um conjunto de dados de pesquisa público, composto por amostras de
Euschistus Heros (PMN), um percevejo de interesse em lavouras de soja no Brasil, e seu
desempenho foi comparado com três configurações em condições idênticas: A) YOLOv8n,
B) YOLOv8n com apenas C2f2 e C) YOLOv8n com apenas P2. Nossa avaliação empregou
diversas métricas, incluindo Precisão, mAP0.5 e mAP0.95. Também consideramos a com-
plexidade do modelo como fatores essenciais na avaliação da eficiência dos modelos YOLO
para aplicações específicas, comparando Parâmetros, FLOPs, Inferência e Tempo. O modelo
proposto foi então integrado a um framework capaz de rastrear e contar os PMNs em questão
em um stream de vídeo. Este stream foi criado, animando 42 novas imagens, capturadas sob
diversas condições de iluminação e fundo para abordar potenciais desafios em aplicações
práticas, testando a capacidade de generalização do modelo, bem como o desempenho do
modelo em aplicações de vídeo. O modelo demonstra uma medida de acurácia, representada
pela métrica de MOTA, satisfatória, com cerca de 62%. Isso indica que a técnica proposta é
eficaz em rastrear bem os percevejos ao longo das cenas apresentadas, o que é corroborado
pela alta taxa de acerto na contagem final dos PMNs de (desvio para cima de 5,3%). Esses
resultados apontam para um potencial desse tipo de framework e sinaliza potencial em
aplicações futuras de mapeamento de pragas a partir de rastreamentos em tempo real.

MEMBROS DA BANCA:
Interno - 1912898 - DANIEL MAURICIO MUNOZ ARBOLEDA
Presidente - 1122092 - DIBIO LEANDRO BORGES
Externo à Instituição - HELIO PEDRINI - UNICAMP
Interno - 405040 - JOSE MAURICIO SANTOS TORRES DA MOTTA