CLASSIFICAÇÃO EM ÁREAS DE MANDIOCA COM TÉCNICAS DE APRENDIZAGEM PROFUNDA EM IMAGEM OBTIDAS COM VEÍCULOS AÉREOS NÃO TRIPULADOS

Auteurs-es

DOI :

https://doi.org/10.21680/2177-8396.2025v37n3ID39899

Résumé

A mandioca, cultivada em todo o Brasil, exige monitoramento constante para garantir seu desenvolvimento saudável, apesar de ser uma planta rústica. Tradicionalmente, esse controle é feito por meio de visitas ao campo, o que pode ser ineficiente em grandes áreas. Este trabalho propõe o uso de técnicas de inteligência artificial e geoprocessamento com imagens capturadas por sensores embarcados em VANTs como alternativa mais ágil e precisa. O estudo foi realizado na EMBRAPA Mandioca e Fruticultura (Cruz das Almas–BA), utilizando dados obtidos por drone (DJI Phantom 4 Pro) e sensor multiespectral (Parrot Sequoia). O processamento foi feito com o Agisoft Metashape, a partir de índices de vegetação aplicados via Google Earth Engine e Google Colab. O trabalho apresenta os resultados obtidos com os algoritmos Gradiente Tree Boosting e Redes Neurais Convolucionais, ambos treinados para classificar quatro classes distintas.

Téléchargements

Les données relatives au téléchargement ne sont pas encore disponibles.

Téléchargements

Publié-e

02-12-2025

Comment citer

FERNÁNDEZ- SARABIA, Alexis; GALANO-DUVERGER, Soltan; CANTILLO-PEREZ, Taymi; FRANCA-ROCHA, Washington. CLASSIFICAÇÃO EM ÁREAS DE MANDIOCA COM TÉCNICAS DE APRENDIZAGEM PROFUNDA EM IMAGEM OBTIDAS COM VEÍCULOS AÉREOS NÃO TRIPULADOS. Sociedade e Território, [S. l.], v. 37, n. 3, 2025. DOI: 10.21680/2177-8396.2025v37n3ID39899. Disponível em: https://periodicos.ufrn.br/sociedadeeterritorio/article/view/39899. Acesso em: 9 déc. 2025.

Numéro

Rubrique

NÚMERO ESPECIAL – Sensoriamento Remoto, Sistema de Informações Geográficas (SIG) e Geotecnologias