Use este identificador para citar ou linkar para este item:
http://repositorio.ufla.br/jspui/handle/1/5198| Título: | Classificação automática de áreas cafeeiras em imagens de satélite, utilizando Redes Neurais Artificiais |
| Autor : | Pereira, Liliany Aparecida dos Anjos |
| Primeiro orientador: | Lacerda, Wilian Soares |
| metadata.teses.dc.contributor.advisor-co: | Vieira, Tatiana Grossi Chquiloff |
| Primeiro membro da banca: | Castro, Cristiano Leite de Andrade, Lívia Naiara de Vieira, Tatiana Grossi Chquiloff |
| Palavras-chave: | Classificação automática Redes Neurais Artificiais Imagens de satélite Cafeicultura |
| Data da defesa: | 8-Abr-2013 |
| Data da publicação: | 17-Mar-2015 |
| Referência: | PEREIRA, L. A. A. Classificação automática de áreas cafeeiras em imagens de satélite, utilizando Redes Neurais Artificiais. 83 p. Monografia (Graduação em Ciência da Computação) - Universidade Federal de Lavras, Lavras, 2014. |
| Resumo: | A classificação digital de imagens de satélite tem ganhado, nas últimas décadas, reconhecimento como técnica para suprir a escassez dos mapeamentos temáticos. Para classificar dados de diferentes origens as Redes Neurais Artificiais (RNA) são atualmente uma opção emergente. Minas Gerais é o estado que se destaca entre os demais estados brasileiros em área plantada e quantidade produzida de café. O conhecimento do ambiente em que o café está inserido permite um melhor planejamento da produção, visando o desenvolvimento sustentável e a obtenção de produtos com qualidade, uma vez que os fatores ambientais exercem grande influência sobre a qualidade da bebida. Assim o objetivo deste trabalho foi a criação de um algoritmo usando o software MATLAB e toolbox de Redes Neurais deste para a classificação de áreas cafeeiras em imagens de satélite, para identificar e mapear o uso e ocupação da terra, com ênfase na identificação de áreas cafeeiras na região de Três Pontas localizada no sul de Minas Gerais. Foram utilizadas RNAs convolutivas que é um Perceptron de múltiplas camadas projetado especificamente para reconhecer formas bidimensionais. Foi utilizado também o algoritmo backpropagation para o treinamento da rede neural. Para o desenvolvimento deste trabalho foram necessárias as seguintes etapas: definição do problema; pré-processamento dos dados; coleta dos dados de treinamento e de teste; arquitetura da rede; treinamento; teste e validação. Neste trabalho, foi demonstrado o potencial das redes neurais na classificação automática de áreas cafeeiras em imagens de satélite, o que justifica futuros trabalhos nesta área. O índice de acurácia Kappa obtido na região cafeeira de Três Pontas foi de 0,6711, com um índice global de 79,6025%, as áreas de café tiveram um acerto de 76,25%. Trabalhos Futuros visam a utilização de outros tipos de imagens, advindas de outros satélites e outras regiões, alem do acréscimo de outras características como forma, textura, índice de vegetação, etc. |
| Abstract: | Digital satellite imagery classification in recent decades has been increasingly recognized as a technique for breaching the shortages of thematic mapping. Artificial Neural Networks (ANN) are currently an emerging option for sorting data from different sources. Minas Gerais state stands out from other Brazilian states in terms of planted area and quantity of coffee produced. As environmental factors have a great influence on the quality of the drink, an understanding of the environment in which the coffee is inserted allows for better production planning, aiming at sustainable development, and the achievement of quality products. Thus, the objective of this work is create an algorithm using the software MATLAB toolbox and Neural Networks for classification of this coffee areas in satellite images, to identify and map the use and occupation of land, with an emphasis on identifying coffee areas Três Pontas of the region located in the south of Minas Gerais. To implement and utilize the MatlabNeural Networks Toolbox software we use convolutional ANN, that is, a multilayer perceptron specifically designed to recognize two-dimensional shapes. We also use the backpropagation algorithm for neural network training. The project will be carried out in various stages: problem definition, pre and post-processing of data, data collection training and testing, network structure design, training, testing and validation. In this study, we demonstrated the potential of neural networks in automatic classification of coffee areas in satellite images, which justifies further work in this area. The Kappa index of accuracy obtained in the coffee region of Três Pontas was 0.6711, with an overall rate of 79.6025%, areas of coffee had a hit of 76.25%. Future work aimed at using other types of images, resulting from other satellites and other regions, besides the addition of other features like shape, texture, vegetation index, etc. |
| URI: | http://repositorio.ufla.br/jspui/handle/1/5198 |
| Idioma: | pt_BR |
| Aparece nas coleções: | PROGRAD - Ciência da Computação (Trabalhos de Conclusão de Curso) |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| TCC_Classificacao_automatica_de_areas_cafeeiras_em_imagens_de_satelite,_utilizando_redes_neurais_artificiais.pdf | 1,62 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.