DETECÇÃO E RECONHECIMENTO DE PLANTAS DE PEQUENO PORTE UTILIZANDO APRENDIZAGEM DE MÁQUINA

Colloquium Exactarum

Endereço:
Rod. Raposo Tavares, Km 572
Presidente Prudente / SP
19067175
Site: http://journal.unoeste.br/index.php/ce
Telefone: (18) 3229-2079
ISSN: 21788332
Editor Chefe: Robson Augusto Siscoutto
Início Publicação: 30/11/2009
Periodicidade: Semestral
Área de Estudo: Ciências Exatas, Área de Estudo: Engenharias

DETECÇÃO E RECONHECIMENTO DE PLANTAS DE PEQUENO PORTE UTILIZANDO APRENDIZAGEM DE MÁQUINA

Ano: 2022 | Volume: 14 | Número: 1
Autores: Thales Santos Verne, FranciscoAssis da Silva, Leandro Luiz de Almeida, Danillo Roberto Pereira, Almir Olivette Artero
Autor Correspondente: Thales Santos Verne | [email protected]

Palavras-chave: CNN;Detecção e Reconhecimento de plantas; Rede neural; Aprendizagem de máquina

Resumos Cadastrados

Resumo Português:

A detecção e reconhecimento de plantassempre foi uma tarefa difícil até mesmo para conhecedores e estudiosos, devido a vasta variedade de plantas encontradas ao redor do mundo. Com o avanço da tecnologia torna-se possível resolver esse problema computacionalmente. Neste trabalho, é apresentadoum método para realizar a detecção e reconhecimento de plantas a partir de imagens utilizando algoritmos de visão computacional e inteligência artificial.Os resultados mostram que o custo computacional e a taxa de reconhecimento foram satisfatórios para uso em ambientes controlados. O tempo de processamento para reconhecer cada planta foi de 375 milissegundos,com acurácia de 92%.



Resumo Inglês:

The detection and recognition of plants has always been a difficult task even for connoisseurs and scholars due to the wide variety of plants found worldwide. With the advancement of technology, it has become possible to solve this problem computationally.This paper presents a method to perform plantdetection and recognition from images using computer vision and artificial intelligence algorithms. The results show that the computational cost and recognition rate were satisfactory for use in controlled environments. The processing time to recognize each plant was 375 milliseconds, with an accuracy of 92%.