Autoria: FERREIRA SOBRINHO, P. A.; SANTOS, T. T.

Resumo: RESUMO - A automação no contexto da agricultura é significativamente mais complexa do que em contextos urbanos e industriais. Devido à grande variabilidade das estruturas orgânicas, métodos cada vez mais complexos e rebuscados são necessários para um bom reconhecimento de padrões e detecção de imagens, tão necessários para a automação de processos produtivos de atividades ligadas à agropecuária. Contudo, devido à natureza das imagens naturais, existem poucas ferramentas capazes de anotá-las da forma desejada. Neste trabalho, desenvolvemos a Iboju, uma ferramenta de segmentação em imagem natural capaz de anotar, rápida e eficientemente, em imagens capturadas de ambientes naturais ligados à agropecuária, gerando caixas delimitadoras e máscaras do objeto desejado. Para isso, foram usadas técnicas de Deep Learning com redes neurais convolutivas aliadas a algoritmos de segmentação de macropixels. A ideia principal da Iboju é que a Rede Neural gere uma anotação que seria corrigida e aprimorada interativamente pelo usuário através de algoritmos de segmentação. Ao compararmos o uso da Iboju a outras ferramentas de anotação, é notável a maior rapidez e exatidão, sendo possível a criação de bases de dados cada vez maiores que poderão ser usadas para melhorar o desempenho de redes neurais de detecção de imagens. A Iboju alimentaria treinamentos de redes que poderão ser usadas dentro dela. A partir da Iboju, é possível a construção de bases de dados cada vez maiores, que poderão ser usadas para alimentar algoritmos de automação de processos que dependem de detecção, como coleta de frutos e contagem de gado.

Ano de publicação: 2021

Tipo de publicação: Artigo em anais e proceedings

Unidade: Embrapa Agricultura Digital

Palavras-chave: Agropecuária, Anotação de imagens, Aprendizado de máquina, Aprendizagem profunda, Deep learning, Image annotation, Neural networks, Rede neural, Segmentation, Segmentação