z-logo
open-access-imgOpen Access
Um estudo comparativo entre as arquiteturas de redes neurais profundas AlexNet e YOLO aplicadas ao problema de visão computacional em Ambientes Agrícolas
Author(s) -
Danielly O. A. de Oliveira,
Josué Pereira de Castro
Publication year - 2021
Language(s) - Portuguese
Resource type - Conference proceedings
DOI - 10.5753/sbiagro.2021.18405
Subject(s) - computer science , physics , humanities , philosophy
A verificação e o controle da uniformidade de distribuição de água para irrigação é uma das tarefas de maior importância para garantir o melhor uso dos recursos hídricos. Este tipo de atividade exige que o robô seja capaz de deslocar-se em ambientes rurais, reconhecendo obstáculos em seu caminho. Neste artigo foi desenvolvido um estudo comparativo entre duas arquiteturas de redes neurais convolucionais, AlexNet e YOLO, com o objetivo de serem embarcadas em um processador Raspberry PI montado em um robô de pequeno porte a ser usado para auxiliar no ajuste automatizado de emissores ajustáveis para irrigação localizada. As redes foram treinadas, utilizando bases de dados contendo imagens relacionadas ao meio agrícola e a seguir, foram coletados dados referentes ao desempenho de ambas arquiteturas e realizada uma comparação entre elas, usando vários critérios, sendo os principais o tempo de execução, o consumo de memória principal e secundária, e a precisão da classificação. A arquitetura que apresentou melhor desempenho foi a YOLO, a qual foi embarcada no robô, passando pelas devidas adaptações para que a mesma fosse capaz de utilizar as imagens transmitidas em tempo real pela câmera embutida existente no robô.

The content you want is available to Zendy users.

Already have an account? Click here to sign in.
Having issues? You can contact us here