Visão computacional aplicada à predição de altura de pastagens
A pecuária de corte exige uma boa estimativa da quantidade de alimento no pasto para evitar situações de sub e sobrepastejo. A altura da vegetação correlaciona com a quantidade de matéria seca e pode ser usada como métrica para estimativas da disponibilidade de alimento no pasto. Este trabalho propõ...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Portugués |
| Publicado: |
2024
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/176983 |
| Aporte de: |
| Sumario: | A pecuária de corte exige uma boa estimativa da quantidade de alimento no pasto para evitar situações de sub e sobrepastejo. A altura da vegetação correlaciona com a quantidade de matéria seca e pode ser usada como métrica para estimativas da disponibilidade de alimento no pasto. Este trabalho propõe uma solução para a determinação da altura média da vegetação baseada em visão computacional, utilizando redes neurais convolucionais. As espécies de pasto usadas nos modelos são vegetação nativa dos campos sul-brasileiros, azevém e capim-sudão, mas a técnica pode ser usada para qualquer outro tipo de vegetação. A coleta de dados usa imagens capturadas pelo aplicativo H-Pasture a partir de celulares comuns, diminuindo custos operacionais e aumentando a agilidade nos processos de tomada de decisão, promovendo uma gestão sustentável dos recursos naturais. Os resultados obtidos apresentam coeficientes de correlação de 0,9249 para pastagens nativas, 0,9312 para azevém e 0,7292 para capim-sudão. Os resultados ainda podem ser aprimorados, mas destacam o potencial da técnica proposta para o aprimoramento do manejo de pastagens, com possíveis aplicações nos modelos de negócio baseados em pecuária extensiva. |
|---|