Desenvolvimento de um Modelo Inteligente para Identificar e Contar Insetos em Armadilhas Adesivas
Resumo
Este estudo propõe um modelo baseado na rede neural YOLOv7 para a identificação e contagem de afídeos alados em imagens de armadilhas adesivas. Comparou-se dois modelos: o primeiro utilizando transferência de aprendizado (transfer learning) e o segundo treinado a partir de pesos aleatórios. Embora o modelo treinado com pesos aleatórios tenha demonstrado melhor desempenho geral, as métricas de recall, F1 score e mAP@.5:.95 revelaram dificuldades na localização precisa dos afídeos, indicando a necessidade de aprimorar o conjunto de imagens e o mecanismo de aquisição. Este estudo ilustra como a inteligência artificial pode ser aplicada ao monitoramento de pragas, contribuindo para práticas agrícolas mais sustentáveis.
Referências
S. A. Hogenhout, E.-D. Ammar, A. E. Whitfield, and M. G. Redinbaugh, “Plant virus transmission by insects,” Journal of virology, vol. 82, no. 9, pp. 3661–3675, 2008.
P. R. V. d. S. Pereira, M. D. Michelotto, and O. C. Bortolotto, “Dispersão de afídeos e dinâmica de transmissão do vírus do nanismo-amarelo em trigo e cevada,” Boletim de Pesquisa e Desenvolvimento, vol. 16, no. 7, pp. 12–22, 2016.
E. Trigo, “Treinamento para aprimorar técnicas de identificação de insetos em cereais de inverno,” 2019.
T. De Cesaro Júnior, R. Rieder, J. R. Di Domênico, and D. Lau, “Insectcv: A system for insect detection in the lab from trap images,” Ecological Informatics, vol. 67, p. 101516, 2022.
G. A. Didomenico, “Evaluation of the yolo deep learning model for identification and classification of aphids (hemiptera: Aphididae) and parasitoids (hymenoptera: Braconidae) on winter cereals in southern brazil,” Revista Brasileira de Entomologia, vol. 64, no. 3, pp. 1–9, 2020.
T. De Cesaro Jr., R. Rieder, D. Lau, and J. R. D. Domenico, “InsectCV,” Programa de Computador. Número do registro: BR512021000542-2, 2021, INPI - Instituto Nacional da Propriedade Industrial.
A. T. Lazzaretti, J. M. C. Fernandes, W. Pavan, J. Toebe, and R. Wiest, “Agrodb–integration of database management systems with crop models,” in Proceedings of the 8th International Congress on Environmental Modelling and Software. iEMSs Society, 2016, pp. 194–201.
R. Wiest, “Crescimento populacional de Rhopalosiphum padi (Linnaeus, 1758) (Hemiptera: Aphididae) em trigo: uma aproximação por simulação,” Master’s thesis, Universidade de Passo Fundo, Faculdade de Agronomia e Medicina Veterinária, Programa de Pós-Graduação em Agronomia, Passo Fundo, 2019.
R. Huang, T. Yao, C. Zhan, G. Zhang, and Y. Zheng, “A motor-driven and computer vision-based intelligent e-trap for monitoring citrus flies,” Agriculture, vol. 11, no. 460, 2021.
W. Li, D. Wang, M. Li, Y. Gao, J. Wu, and X. Yang, “Field detection of tiny pests from sticky trap images using deep learning in agricultural greenhouse,” Elsevier Computers and Electronics in Agriculture, vol. 183, no. 106048, 2021.
E. Bockmann, A. Pfaff, M. Schirrmann, and M. Pflanz, “Rapid and low-cost insect detection for analysing species trapped on yellow sticky traps,” Scientific Reports, vol. 11, no. 10419, 2021.
P. R. V. da S. Pereira, J. R. Salvadori, and D. Lau, “Identificação de adultos ápteros e alados das principais espécies de afídeos (hemiptera: Aphididae) associadas a cereais de inverno no brasil,” Embrapa Trigo, Passo Fundo, Tech. Rep., 2009.
D. Bhatt, C. Patel, H. Talsania, J. Patel, R. Vaghela, S. Pandya, K. Modi, and H. Ghayvat, “Cnn variants for computer vision: History, architecture, application, challenges and future scope,” Electronics, vol. 10, no. 20, p. 2470, 2021.
J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, “You only look once: Unified, real-time object detection,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 779–788, 2016.
J. Redmon, “Darknet: Open source neural networks in c,” [link], 2013.
P. Soviany and R. T. Ionescu, “Optimizing the trade-off between single-stage and two-stage deep object detectors using image difficulty prediction,” in 20th SYNASC, 09 2018, pp. 209–214.
A. Bochkovskiy, C.-Y. Wang, and H.-Y. M. Liao, “Yolov4: Optimal speed and accuracy of object detection,” arXiv preprint arXiv:2004.10934, 2020.
Makoto Imai, “Arduino mini cnc plotter,” [link], 2020, acesso em: September 27, 2020.
O. team, “Opencv,” [link], 2023.
Tzutalin, “Labelimg,” [link], 2015.
T. De Cesaro Jr. and R. Rieder, “Automatic identification of insects from digital images: A survey,” Computers and Electronics in Agriculture, vol. 178, p. 105784, 2020.
P. R. V. d. S. Pereira, M. D. Michelotto, and O. C. Bortolotto, “Dispersão de afídeos e dinâmica de transmissão do vírus do nanismo-amarelo em trigo e cevada,” Boletim de Pesquisa e Desenvolvimento, vol. 16, no. 7, pp. 12–22, 2016.
E. Trigo, “Treinamento para aprimorar técnicas de identificação de insetos em cereais de inverno,” 2019.
T. De Cesaro Júnior, R. Rieder, J. R. Di Domênico, and D. Lau, “Insectcv: A system for insect detection in the lab from trap images,” Ecological Informatics, vol. 67, p. 101516, 2022.
G. A. Didomenico, “Evaluation of the yolo deep learning model for identification and classification of aphids (hemiptera: Aphididae) and parasitoids (hymenoptera: Braconidae) on winter cereals in southern brazil,” Revista Brasileira de Entomologia, vol. 64, no. 3, pp. 1–9, 2020.
T. De Cesaro Jr., R. Rieder, D. Lau, and J. R. D. Domenico, “InsectCV,” Programa de Computador. Número do registro: BR512021000542-2, 2021, INPI - Instituto Nacional da Propriedade Industrial.
A. T. Lazzaretti, J. M. C. Fernandes, W. Pavan, J. Toebe, and R. Wiest, “Agrodb–integration of database management systems with crop models,” in Proceedings of the 8th International Congress on Environmental Modelling and Software. iEMSs Society, 2016, pp. 194–201.
R. Wiest, “Crescimento populacional de Rhopalosiphum padi (Linnaeus, 1758) (Hemiptera: Aphididae) em trigo: uma aproximação por simulação,” Master’s thesis, Universidade de Passo Fundo, Faculdade de Agronomia e Medicina Veterinária, Programa de Pós-Graduação em Agronomia, Passo Fundo, 2019.
R. Huang, T. Yao, C. Zhan, G. Zhang, and Y. Zheng, “A motor-driven and computer vision-based intelligent e-trap for monitoring citrus flies,” Agriculture, vol. 11, no. 460, 2021.
W. Li, D. Wang, M. Li, Y. Gao, J. Wu, and X. Yang, “Field detection of tiny pests from sticky trap images using deep learning in agricultural greenhouse,” Elsevier Computers and Electronics in Agriculture, vol. 183, no. 106048, 2021.
E. Bockmann, A. Pfaff, M. Schirrmann, and M. Pflanz, “Rapid and low-cost insect detection for analysing species trapped on yellow sticky traps,” Scientific Reports, vol. 11, no. 10419, 2021.
P. R. V. da S. Pereira, J. R. Salvadori, and D. Lau, “Identificação de adultos ápteros e alados das principais espécies de afídeos (hemiptera: Aphididae) associadas a cereais de inverno no brasil,” Embrapa Trigo, Passo Fundo, Tech. Rep., 2009.
D. Bhatt, C. Patel, H. Talsania, J. Patel, R. Vaghela, S. Pandya, K. Modi, and H. Ghayvat, “Cnn variants for computer vision: History, architecture, application, challenges and future scope,” Electronics, vol. 10, no. 20, p. 2470, 2021.
J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, “You only look once: Unified, real-time object detection,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 779–788, 2016.
J. Redmon, “Darknet: Open source neural networks in c,” [link], 2013.
P. Soviany and R. T. Ionescu, “Optimizing the trade-off between single-stage and two-stage deep object detectors using image difficulty prediction,” in 20th SYNASC, 09 2018, pp. 209–214.
A. Bochkovskiy, C.-Y. Wang, and H.-Y. M. Liao, “Yolov4: Optimal speed and accuracy of object detection,” arXiv preprint arXiv:2004.10934, 2020.
Makoto Imai, “Arduino mini cnc plotter,” [link], 2020, acesso em: September 27, 2020.
O. team, “Opencv,” [link], 2023.
Tzutalin, “Labelimg,” [link], 2015.
T. De Cesaro Jr. and R. Rieder, “Automatic identification of insects from digital images: A survey,” Computers and Electronics in Agriculture, vol. 178, p. 105784, 2020.
Publicado
30/09/2024
Como Citar
SILVA, Artur Mariano da; ROSA, Álisson Mello da; KIRINUS, Nicolas Welfer; LAU, Douglas; CARNEIRO, Alexsander Furtado; CESARO JÚNIOR, Telmo De.
Desenvolvimento de um Modelo Inteligente para Identificar e Contar Insetos em Armadilhas Adesivas. In: WORKSHOP DE TRABALHOS DA GRADUAÇÃO - CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES (SIBGRAPI), 37. , 2024, Manaus/AM.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 175-178.
DOI: https://doi.org/10.5753/sibgrapi.est.2024.31668.
