| Resumo: | Atualmente, a Inteligência Artificial (IA) e o sub-campo Machine Learning (ML) estão em constante desenvolvimento e procura por parte de diferentes áreas científicas. Neste caso, ocorreu uma fusão entre a IA e a agricultura, especificamente na vertente da viticultura. Esta dissertação apresenta um sistema composto por um drone com uma câmara térmica acoplada, que foi usada para sobrevoar vinhas, para obter fotografias (imagens) térmicas. Estas imagens contêm leituras de temperatura da vinha e do solo em cada pixel, de modo a analisar as regiões que contêm valores baixos de temperatura, que representam zonas com alta concentração de humidade. O objetivo deste trabalho é implementar um algoritmo de Machine Learning para detetar e localizar áreas de humidade nas imagens térmicas. Este sistema tem duas características principais: a alta resolução da câmara térmica, pois permite saber exatamente a temperatura em qualquer local da imagem; A utilização de um algoritmo de Machine Learning para classificar as regiões automaticamente com excesso de níveis de humidade. Após a realização de vários testes, o algoritmo obteve resultados na ordem dos 82% de precisão, o que demonstrou uma performance satisfatória para o alcance do objetivo proposto. Esta classificação é muito útil na agricultura de precisão, a fim de otimizar os recursos hídricos usados na rega da cultura agrícola, poupando assim água, energia e colaborando com uma atitude em prol da sustentabilidade e na tomada de decisão dos agricultores.
|
|---|