ESTG - Mestrado em Ciência de Dados
Permanent URI for this collection
Browse
Browsing ESTG - Mestrado em Ciência de Dados by advisor "Correia, Luís Filipe Jesus"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
- Deteção automática da espécie Acacia dealbata em imagens recolhidas com dronesPublication . Romão, João Pedro Azenha; Pereira, António Manuel Jesus; Grilo, Carlos Fernando de Almeida; Correia, Luís Filipe JesusEsta dissertação tem como objetivo principal o desenvolvimento e validação de uma arquitetura baseada em Redes Neuronais Convolucionais (CNN, do inglês Convolutional Neural Network) para o reconhecimento automático da espécie invasora Acacia dealbata em ambientes florestais, recorrendo a imagens capturadas por Veículos Aéreos Não Tripulados (VANTs). A Acacia dealbata é uma árvore que possui um crescimento rápido, originária do sudeste da Austrália, que pode atingir cerca de 30 metros de altura e distingue-se pelas suas flores amarelas. Para tal, foram definidos objetivos específicos, como a automação do pré-processamento de dados através de scripts dedicados à extração, segmentação e rotulagem de imagens de vídeos de VANTs. Para o processo de desenvolvimento da CNN, foram exploradas diversas arquiteturas. Os testes iniciais com VGG16 revelaram limitações, especialmente devido ao elevado tamanho e quantidade de imagens semelhantes do dataset, que resultava em valores de Accuracy e F1-Score baixos. A transição para a arquitetura ResNet50V2 trouxe algumas melhorias com um desempenho geral superior. No entanto, o avanço mais significativo foi alcançado com o desenvolvimento de uma CNN criada de raiz, aliado a um dataset mais otimizado. A avaliação do desempenho do modelo demonstrou a sua eficácia e robustez. O modelo final, obtido dos testes com a CNN de raiz e o segundo dataset, apresentou uma capacidade de generalização na deteção da Acacia dealbata que foi confirmada pelos resultados da Accuracy de 0.8178 e F1-Score de 0.8459. Tais conclusões validam o potencial das CNNs na classificação de espécies em ambientes florestais e são uma contribuição significativa para a gestão ambiental. No seguimento do estudo efetuado pode proceder-se à expansão e diversificação do dataset com novas gravações e em diferentes localizações geográficas e condições atmosféricas, visando também uma maior variedade de espécies. Poderá ainda ser explorada a adaptação do modelo para uma classificação multi-classe, permitindo a identificação de múltiplas espécies.