Detecção de Ninhos de Cupins em Pastagens com Técnicas de Visão Computacional
Resumo
Uma pastagem está degradada quando há perda da capacidade para suprir as necessidades dos animais, o que resulta em prejuízos ambientais e econômicos. No Brasil, estima-se que 60% das áreas de pastagem estão em algum estágio de degradação. Baseado nisso, este trabalho propõe a utilização de técnicas de Visão Computacional (VC) para otimizar um sistema de diagnóstico de pastagens degradadas. Assim, os autores realizam o estudo de duas abordagens de VC baseadas em detecção de objetos conhecidas como Haar Cascade e YOLO aplicadas a um dos parâmetros deste sistema, a saber: ocorrência de ninhos de cupins em imagens de pastagem. Os resultados mostraram que o Haar Cascade foi mais eficiente para o parâmetro estudado.Referências
Almeida, I. P., Fernandes, A., Parreira, W. D., Oliveira, M. F., Guckert, K. S., and Coelho, D. K. (2024). Identificação de solo exposto e cupinzeiros em pastagens utilizando deep learning. XV Computer on the Beach.
Dias-Filho, M. B. (2017). Degradação de pastagens : o que é e como evitar. Embrapa. Embrapa (2022). Pastagens.
Faria, M. P. P. (2020). Investigação de métodos de aprendizagem e de representação de ambientes na construção de agentes jogadores operando em cenários variados: Aplicação ao jogo fifa. Master’s thesis, Universidade Federal de Uberlândia.
ImageNet (2021). Imagenet. [link]. Disponível em 29 set. 2022.
OpenCV (2022a). Cascade classifier training.
OpenCV (2022b). Opencv about. [link]. Disponível em 10 set. 2022.
Redmon, J., Divvala, S., Girshick, R., and Farhadi, A. (2016). You only look once: Unified, real-time object detection. In 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 779–788, Los Alamitos, CA, USA. IEEE Computer Society.
Sales, J., Marcato Junior, J., Siqueira, H., De Souza, M., Matsubara, E., and Gonçalves, W. N. (2021). Retinanet deep learning-based approach to detect termite mounds in eucalyptus forests. In 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS, pages 586–589.
SIPADE (2025). Sipade.
Studio, L. (2022). Open source data labeling platform.
Tomaz, L., França, M., Maciel, V., Orbolato, D., Ponciano, M., Faria, D., and Valera, C. (2023). Sipade: Uma solução do brasil para apoio ao diagnóstico de pastagens degradadas. In Anais Estendidos do XIX Simpósio Brasileiro de Sistemas de Informação, pages 99–101, Porto Alegre, RS, Brasil. SBC.
Valle Júnior, R. F. d., Siqueira, H. E., Valera, C. A., Oliveira, C. F., Sanches Fernandes, L. F., Moura, J. P., and Pacheco, F. A. L. (2019). Diagnosis of degraded pastures using an improved ndvi-based remote sensing approach: An application to the environmental protection area of uberaba river basin (minas gerais, brazil). Remote Sensing Applications: Society and Environment, 14:20–33.
Valério, J. R. (2006). Cupins-de-montículo em pastagens. Technical report, EMBRAPA.
Viola, P. A. and Jones, M. J. (2001). Rapid object detection using a boosted cascade of simple features. In CVPR (1), pages 511–518. IEEE Computer Society.
Dias-Filho, M. B. (2017). Degradação de pastagens : o que é e como evitar. Embrapa. Embrapa (2022). Pastagens.
Faria, M. P. P. (2020). Investigação de métodos de aprendizagem e de representação de ambientes na construção de agentes jogadores operando em cenários variados: Aplicação ao jogo fifa. Master’s thesis, Universidade Federal de Uberlândia.
ImageNet (2021). Imagenet. [link]. Disponível em 29 set. 2022.
OpenCV (2022a). Cascade classifier training.
OpenCV (2022b). Opencv about. [link]. Disponível em 10 set. 2022.
Redmon, J., Divvala, S., Girshick, R., and Farhadi, A. (2016). You only look once: Unified, real-time object detection. In 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 779–788, Los Alamitos, CA, USA. IEEE Computer Society.
Sales, J., Marcato Junior, J., Siqueira, H., De Souza, M., Matsubara, E., and Gonçalves, W. N. (2021). Retinanet deep learning-based approach to detect termite mounds in eucalyptus forests. In 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS, pages 586–589.
SIPADE (2025). Sipade.
Studio, L. (2022). Open source data labeling platform.
Tomaz, L., França, M., Maciel, V., Orbolato, D., Ponciano, M., Faria, D., and Valera, C. (2023). Sipade: Uma solução do brasil para apoio ao diagnóstico de pastagens degradadas. In Anais Estendidos do XIX Simpósio Brasileiro de Sistemas de Informação, pages 99–101, Porto Alegre, RS, Brasil. SBC.
Valle Júnior, R. F. d., Siqueira, H. E., Valera, C. A., Oliveira, C. F., Sanches Fernandes, L. F., Moura, J. P., and Pacheco, F. A. L. (2019). Diagnosis of degraded pastures using an improved ndvi-based remote sensing approach: An application to the environmental protection area of uberaba river basin (minas gerais, brazil). Remote Sensing Applications: Society and Environment, 14:20–33.
Valério, J. R. (2006). Cupins-de-montículo em pastagens. Technical report, EMBRAPA.
Viola, P. A. and Jones, M. J. (2001). Rapid object detection using a boosted cascade of simple features. In CVPR (1), pages 511–518. IEEE Computer Society.
Publicado
20/07/2025
Como Citar
PEREIRA, Pedro Lucas M.; TOMAZ, Lídia Bononi P.; ORBOLATO, Daniela Resende S..
Detecção de Ninhos de Cupins em Pastagens com Técnicas de Visão Computacional. In: ENCONTRO NACIONAL DE COMPUTAÇÃO DOS INSTITUTOS FEDERAIS (ENCOMPIF), 12. , 2025, Maceió/AL.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 115-122.
ISSN 2763-8766.
DOI: https://doi.org/10.5753/encompif.2025.8990.
