Posicionamento de caminhões autônomos para colheita de cana-de-açúcar: uma abordagem baseada em visão computacional
Carregando...
Arquivos
Citações na Scopus
Tipo de produção
Dissertação
Data
2020
Autores
Fernandes, E. A.
Orientador
Bianchi, Reinaldo Augusto da Costa
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
FERNANDES, E. A. Posicionamento de caminhões autônomos para colheita de cana-de-açúcar: uma abordagem baseada em visão computacional. 2020. 85 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2020. Disponível em: https://doi.org/10.31414/EE.2020.D.131147.
Texto completo (DOI)
Palavras-chave
Redes neurais (Computação),Visão por computador,Processamento de imagens
Resumo
Diante da constante evolução tecnológica e consolidação como preponderante agente do Produto Interno Bruto brasileiro, o agronegócio alcançou um espaço importante na sociedade brasileira e tem como relevante protagonista, a cana-de-açúcar, que é grande fonte de energia de renovável, além de ser foco constante de evoluções tecnológicas em seu ciclo produtivo. Esse trabalho tem como finalidade apresentar um sistema para posicionamento de caminhões autônomos no processo de colheita de cana-de-açúcar, conforme linhas de plantio pré-estabelecidas a fim de aumentar a produtividade na colheita de cana-de-açúcar. Pois com a manutenção do caminhão corretamente posicionado na pista traçada anteriormente durante o plantio, não há ocorrência de atropelamento do broto da cana-de-açúcar durante o processo de colheita, mantendo assim broto desta intacto e pronto para próxima brotação e subsequente colheita. Quanto mais vezes puder se fazer colheita sem um novo plantio, ou seja, apenas se valendo do broto remanescente da colheita anterior, maior a produtividade no ciclo desta monocultura. Para este trabalho, após a devida aplicação de técnicas de calibração de câmeras, foi levantado um banco de imagens com mais de 24 horas de filmagens que foram convertidas em um banco com mais de 25 mil imagens referentes ao processo de colheita de cana-de-açúcar durante a manhã, tarde e noite. Foram avaliadas 2 hipóteses para atendimento do objetivo deste trabalho com a aplicação Filtro Sobel, Transformada de Hough e Rede Neural Convolucional MobileNet. A hipótese da Rede Neural artificial MobileNet apresentou melhor resultado ao determinar as linhas de plantio com Precisão de 57,22% e Revocação de 28,84%
Due to the constant technological evolution and consolidation as as preponderant agent of the Brazilian Gross Domestic Product, agribusiness has reached an important space in Brazilian Society and its maisn protagonist is sugarcane, which is a great source of renewable energy and constant focus of technological developments in its production cycle. This work aims to present a system for positioning of autonomous trucks in the sugarcane harvesting process, according to pre-established planting lines to increase productivity in the sugarcane harvesting. By keeping the truck correctly positioned on the track previously traved during the harvesting process, thus leaving this sprout intact and ready for the next sprouting and subsequent harvest. The more times it is possible to harvest without a new planting, by using the remaing bud from the previous harvest, the greater the productivity in the cycle of this monoculture. For this work, after the proper application of camera calibration techniques, and image bank was built with more than 24 hours of footage that were converted into a bank with more than 25 thousand images referring to the sugarcance harvesting process in the morning, afternoon and night. Two hypotheses were evaluated to achieve the objective of this work with the application Sobel Filter, Hough Transform and MobileNet Convolutional Artificial Neural Network. The hypothesis with application of the Artificial Neural Network MobleNet showed the best result when determining the planting lines with Precision of 57,22% and Recall of 28,84%
Due to the constant technological evolution and consolidation as as preponderant agent of the Brazilian Gross Domestic Product, agribusiness has reached an important space in Brazilian Society and its maisn protagonist is sugarcane, which is a great source of renewable energy and constant focus of technological developments in its production cycle. This work aims to present a system for positioning of autonomous trucks in the sugarcane harvesting process, according to pre-established planting lines to increase productivity in the sugarcane harvesting. By keeping the truck correctly positioned on the track previously traved during the harvesting process, thus leaving this sprout intact and ready for the next sprouting and subsequent harvest. The more times it is possible to harvest without a new planting, by using the remaing bud from the previous harvest, the greater the productivity in the cycle of this monoculture. For this work, after the proper application of camera calibration techniques, and image bank was built with more than 24 hours of footage that were converted into a bank with more than 25 thousand images referring to the sugarcance harvesting process in the morning, afternoon and night. Two hypotheses were evaluated to achieve the objective of this work with the application Sobel Filter, Hough Transform and MobileNet Convolutional Artificial Neural Network. The hypothesis with application of the Artificial Neural Network MobleNet showed the best result when determining the planting lines with Precision of 57,22% and Recall of 28,84%