Início do conteúdo da página
Janeiro
18
2018
18
2018
Artigo de professor da UFGD é premiado em Workshop de Visão Computacional
Atualizada: 12/07/2018
O professor da Faculdade de Ciências Exatas e Tecnologia da Universidade Federal da Grande Dourados (FACET-UFGD), Everton Castelão Tetila, recebeu o prêmio de melhor artigo no XIII Seminário de Visão Computacional, realizado durante o WVC – Workshop de Visão Computacional, em Natal (RN). O evento aconteceu de 30 de outubro a 1º de novembro de 2017. Os premiados foram, além de Everton, Bruno Brandoli Machado, Gercina Gonçalves e Hemerson Pistori, com o trabalho “A computer vision system for soybean diseases recognition using UAVs: preliminar results”.
De acordo com o professor, o grupo pesquisa um sistema de visão computacional para monitorar manchas de doenças da soja no campo, utilizando imagens capturadas por um veículo aéreo não-tripulado (VANT). O sistema proposto utiliza um método de segmentação para detectar as folhas das plantas nas imagens e descreve as características visuais de propriedades físicas da folha, como cor, gradiente, textura e forma.
“Nossa metodologia avaliou o desempenho de seis algoritmos de classificação, utilizando imagens capturadas pelo VANT a 2 metros de altura da plantação. Os resultados experimentais mostraram que os atributos combinados levam a taxas de classificação mais altas, atingindo a precisão de 97,8% na tarefa de identificação da doença foliar. Os resultados indicam que nossa abordagem pode apoiar a especialistas e agricultores no monitoramento de doenças da soja”, explica Everton.
Confira o artigo completo em: http://www.gpec.ucdb.br/pistori/publicacoes/everton_wvc2017.pdf
Fonte: Assessoria de Comunicação da UFGD com informações de Everton Castelão Tetila
De acordo com o professor, o grupo pesquisa um sistema de visão computacional para monitorar manchas de doenças da soja no campo, utilizando imagens capturadas por um veículo aéreo não-tripulado (VANT). O sistema proposto utiliza um método de segmentação para detectar as folhas das plantas nas imagens e descreve as características visuais de propriedades físicas da folha, como cor, gradiente, textura e forma.
“Nossa metodologia avaliou o desempenho de seis algoritmos de classificação, utilizando imagens capturadas pelo VANT a 2 metros de altura da plantação. Os resultados experimentais mostraram que os atributos combinados levam a taxas de classificação mais altas, atingindo a precisão de 97,8% na tarefa de identificação da doença foliar. Os resultados indicam que nossa abordagem pode apoiar a especialistas e agricultores no monitoramento de doenças da soja”, explica Everton.
Confira o artigo completo em: http://www.gpec.ucdb.br/pistori/publicacoes/everton_wvc2017.pdf
Fonte: Assessoria de Comunicação da UFGD com informações de Everton Castelão Tetila
Fotos
