Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/31132
Autoria: | Domingues, Tiago André Raposo |
Orientação: | Brandão, Tomás Gomes Silva Serpa Ferreira, João Carlos Amaro |
Data: | 9-Dez-2022 |
Título próprio: | Automatic monitoring of diseases and pests in tomato crops |
Referência bibliográfica: | Domingues, T. A. R. (2022). Automatic monitoring of diseases and pests in tomato crops [Dissertação de mestrado, Iscte - Instituto Universitário de Lisboa]. Repositório Iscte. http://hdl.handle.net/10071/31132 |
Palavras-chave: | Smart farming Precision agriculture Machine learning Inteligência artificial -- Artificial intelligence Plant diseases and pests Tomato crops Classification Detection Forecasting Agricultura inteligente Agricultura de precisão Doenças e pragas de plantas Classificação -- Ranking Deteção Previsão Plantações de tomate |
Resumo: | Considering population growth, the need for increased crop productivity is expected.
However diseases and pests are a major obstacle to this increase. Therefore, it is important to develop technological methods that overcome this obstacle in crops such as tomatoes, which are valuable sources of vitamins and minerals.
This dissertation was associated with the European project ANDANTE whose objective
is to automatically predict the appearance of diseases and pests based on meteorological data and insect traps images, aerial multispectral images and ground-level plant images of tomato crops. As such, this dissertation aimed to develop four modules that create metrics, relative to the data, that enhance the prediction. It was also established the objective of carrying out a literature review for the systematization of the existing knowledge, resulting in the publication of an article. Part of the data used in this dissertation was provided by ANDANTE partners.
The first module consisted in an web information system that optimises data access
and analysis and the applicability of the remaining modules. The second consisted of
a model of detection and counting of insects in traps whose best result was 94.4% of
mAP_0.5 on YoloV5x. The third consisted of verification, through image processing,
investigation and provided data, of the appropriate and acquireable vegetation indices.
In the fourth, due to the conditions of the ground level image data the PlantVillage
data-set was used to classify the health of tomato leaves using transfer learning, with
98% accuracy in ResNet152V2 representing the best result. Considerando o crescimento populacional, prevê-se a necessidade do aumento da produtividade das culturas. Contudo pragas e doenças são um grande obstáculo deste aumento. Por conseguinte, é importante desenvolver métodos tecnológicos que ultrapassem este obstáculo em culturas como as do tomate, que são valiosas fontes de vitaminas e minerais. Neste sentido, esta dissertação associou-se ao projeto europeu ANDANTE cujo objetivo é automaticamente prever o aparecimento de doenças e pestes com base em dados meteorológicos e de imagens de armadilhas de insetos, multiespectrais aéreas e de plantas ao nível do solo de plantações de tomate. Como tal, esta dissertação teve o objetivo de desenvolver quatro módulos que criam métricas, relativas aos dados, que potenciam a predição. Estabeleceu-se ainda o objetivo de realizar uma revisão de literatura para a sistematização do conhecimento existente, sendo publicado um artigo. Parte dos dados utilizados nesta dissertação foram providenciados por parceiros do ANDANTE. O primeiro módulo consistiu num sistema de informação web que otimiza o acesso e análise dos dados e a aplicabilidade dos restantes módulos. O segundo consistiu num modelo de deteção e contagem de insetos nas armadilhas cujo melhor resultado foi 94.4% de mAP_0.5 no YoloV5x. O terceiro consistiu na verificação, através de processamento de imagem, investigação e dados providenciados, dos índices de vegetação apropriados e adquiríveis. No quarto, devido às condições dos dados das imagens ao nível do solo utilizaram-se dados do PlantVillage para classificar a saúde de folhas de tomate utilizando-se transferência de conhecimento, sendo 98% de precisão no ResNet152V2 o melhor resultado. |
Designação do Departamento: | Departamento de Ciências e Tecnologias da Informação |
Designação do grau: | Mestrado em Engenharia Informática |
Arbitragem científica: | yes |
Acesso: | Acesso Embargado |
Aparece nas coleções: | T&D-DM - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
master_tiago_raposo_domingues.pdf Restricted Access | 51,39 MB | Adobe PDF | Ver/Abrir Request a copy |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.