Author(s): DIAZ, M. G. B. D.; SANTOS, T. T.

Summary: RESUMO - A compreensão de cenas tridimensionais na agricultura é de interesse estratégico para a atividade, pois abre caminho para automatizar análises e processos produtivos no campo. Na última década, algoritmos de aprendizado profundo se tornaram estado da arte em tarefas de detecção e classificação em imagens. Ao mesmo tempo, algoritmos de reconstrução tridimensionais de estruturas a partir de imagens se tornaram cada vez mais robustos e escaláveis. Redes neurais profundas, no entanto, ainda são pouco aplicadas a dados tridimensionais, em especial a representações de cenas na agricultura. Neste trabalho, mostramos os resultados de testes de reconstrução tridimensional de linhas de uma vinícola e desenvolvemos a base de uma interface para anotação de nuvens de pontos, fundamental para o treinamento de redes neurais. Acreditamos que as redes profundas serão capazes de segmentar, classificar e identificar a qual instância pertencem objetos de interesse em videiras, como frutos, folhas e ramos. Esse resultado é aplicável no auxílio de atividades que precisem de análise fenotípica em campo, como robótica de precisão, acompanhamento da produção e previsão de rendimentos de cultivos.

Publication year: 2020

Types of publication: Paper in annals and proceedings

Unit: Embrapa Digital Agriculture

Keywords: Anotação de Dados, Classification and Segmentation, Classificação e Segmentação, Data Annotation, Deep Neural Networks, Neural networks, Nuvens de Pontos, Point Clouds, Reconstrução Tridimensional, Redes Neurais Profundas, Redes neurais, Tridimensional Reconstruction