Repository logo
 
Publication

Resultados preliminares de deteção de imagens de pêssegos aplicando o método Faster R-CNN

2019-11Journal article Open access
Simple item page
dc.contributor.authorAssunção, Eduardo Timóteo
dc.contributor.authorGaspar, Pedro Dinis
dc.contributor.authorMesquita, Ricardo
dc.contributor.authorVeiros, André
dc.contributor.authorProença, H.
dc.date.accessioned2020-07-13T11:21:55Z
dc.date.available2020-07-13T11:21:55Z
dc.date.issued2019-11
dc.description.abstractA deteção de frutos é de fundamental importância em sistemas de estimação de produção. Neste trabalho, são apresentados os resultados preliminares da utilização do método de deteção de objetos Faster R-CNN na deteção de imagens de pêssegos. O estudo consiste na avaliação do desempenho do método em imagens RGB obtidas em ambiente real num pomar. Embora este método de deteção tenha sido aplicado noutros trabalhos com o objetivo de detetar frutos, ainda não foi utilizado na deteção de pêssegos. A cor, a sua distribuição na árvore e a clusterização são características intrínsecas aos pêssegos. Os resultados obtidos, ainda que preliminares, mostram um elevado potencial da utilização do método na deteção destes frutos. Todavia, os resultados também mostram a necessidade de melhoria no desempenho. Isso pode ser alcançado com o aumento na quantidade de imagens de treino e também por definir um melhor critério de anotação dos frutos oclusos.pt_PT
dc.description.abstractThe fruit detection is very important in the performance of a yield estimation system. This paper presents the preliminary results using the object detection Faster RCNN method in peach images. The aim is evaluating the method performance in the detection of peach RGB images acquired in an orchard. Although this method of object detection has been applied in other studies to detect fruits, according to the literature, it has not been used to detect peaches. The color, its distribution in the tree and the fruit clustering are intrinsic characteristics of peaches. The results, although preliminary, show a great potential of using the method to detect this type of fruit. However, the results also show that performance needs to be improved by increasing in the amount of training images and also defining a better annotation criterion in the fruits occlusion.pt_PT
dc.description.versioninfo:eu-repo/semantics/publishedVersionpt_PT
dc.identifier.urihttp://hdl.handle.net/10400.6/10361
dc.language.isoporpt_PT
dc.publisher34 Actas Portuguesas de Horticulturapt_PT
dc.subjectAgricultura de precisãopt_PT
dc.subjectDeteção de frutospt_PT
dc.subjectVisão computacionalpt_PT
dc.subjectRede neuronal convolucionalpt_PT
dc.titleResultados preliminares de deteção de imagens de pêssegos aplicando o método Faster R-CNNpt_PT
dc.typejournal article
dspace.entity.typePublication
oaire.citation.conferencePlaceViana do Castelo, Portugalpt_PT
oaire.citation.titleII Simpósio Ibérico de Engenharia Hortícolapt_PT
person.familyNameAssunção
person.familyNameGaspar
person.familyNameMesquita
person.familyNameVeiros
person.familyNameProença
person.givenNameEduardo Timóteo
person.givenNamePedro Dinis
person.givenNameRicardo
person.givenNameAndré
person.givenNameHugo
person.identifier1153590
person.identifier.ciencia-id421E-B6CA-E3A1
person.identifier.ciencia-id6111-9F05-2916
person.identifier.ciencia-idED16-81E7-0319
person.identifier.orcid0000-0001-6027-7763
person.identifier.orcid0000-0003-1691-1709
person.identifier.orcid0000-0002-8599-6737
person.identifier.orcid0000-0001-6901-795X
person.identifier.orcid0000-0003-2551-8570
person.identifier.ridN-3016-2013
person.identifier.ridF-9499-2010
person.identifier.scopus-author-id57419570900
person.identifier.scopus-author-id14016540600
rcaap.rightsopenAccesspt_PT
rcaap.typearticlept_PT
relation.isAuthorOfPublicationb7f58757-7f13-41ff-9e05-cfbbe587172a
relation.isAuthorOfPublicationb69e2ba0-43af-4cf7-873e-090fd9fc6c94
relation.isAuthorOfPublicationb261d224-8bab-47e6-b9db-ad3c830d2cd4
relation.isAuthorOfPublication28246162-71e5-4d51-82c5-229db0aad6aa
relation.isAuthorOfPublication16ca2fc4-5379-43a6-8867-ba63bd9289e0
relation.isAuthorOfPublication.latestForDiscoveryb7f58757-7f13-41ff-9e05-cfbbe587172a

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
ICO0113.pdf
Size:
974.13 KB
Format:
Adobe Portable Document Format
Download

Collections

ICI - C-MAST | Documentos por Auto-Depósito
FE - DEM | Documentos por Auto-Depósito