|
Title:
|
USO DE MÁQUINA DE VETOR DE SUPORTE PARA ESTIMATIVA DE INDICES DE VEGETAÇÃO EM IMAGENS OBTIDAS POR AERONAVE REMOTAMENTE TRIPULADA |
|
Author(s):
|
Alaine Margarete Guimarães, Gustavo Perin, Malcon Miranda Mikami, Gislaine Gabardo, Silvana Ohse, Marluce Gonçalves Cortez |
|
ISBN:
|
978-989-8533-59-3 |
|
Editors:
|
Flávia Maria Santoro, Paula Miranda, Mário Dantas, Cristiano Costa e Pedro Isaías |
|
Year:
|
2016 |
|
Edition:
|
Single |
|
Keywords:
|
Aprendizado de Máquina, VANT, DRONE, SVM, processamento digital de imagens |
|
Type:
|
Short Paper |
|
First Page:
|
343 |
|
Last Page:
|
347 |
|
Cover:
|
|
|
Full Contents:
|
click to dowload 
|
|
Paper Abstract:
|
Índices de vegetação (IVs) podem ser obtidos por meio de imagens aéreas obtidas por aeronaves remotamente tripuladas (RPAs) com câmera digital de baixo custo acoplada, sendo esta uma alternativa simples e barata em comparação a IVs obtidos a partir de sensores espectrais portáteis. O objetivo deste estudo foi utilizar algoritmo de máquina de vetor de suporte (SVM) para a estimativa de índices de vegetação (NDVI e VI_2) na soja, a partir de dados de imagens coletadas por uma RPA, comparando e validando sua aplicação com um espectrômetro portátil terrestre. A aeronave eBee, equipada com uma câmera NIR, foi utilizada, bem como o sensor espectral GreenSeeker. As imagens capturadas pela RPA foram processadas a partir do software Pix4D, gerando um conjunto de dados analisados com o algoritmo de SVM. O modelo de estimativa determinado pelo algoritmo apresentou um coeficiente de determinação de 0,94 e 0,93 para a estimativa do NDVI e do IV, respectivamente, a partir de dados das imagens capturadas pela RPA. Esse elevado coeficiente demonstra que a estimativa do NDVI baseado em SVM e em imagens obtidas por RPA tem a mesma habilidade que os sensores espectrais portáteis para a quantificação da resposta espectral da cultura da soja. |
|
|
|
|
|
|
