Use of artificial intelligence in weed detection | Uso de la inteligencia artificial en la detección de malas hierbas | Uso de inteligência artificial na detecção de plantas daninhas

Английский. Currently, the techniques used have yielded positive results for remote sensing due to their low cost, as they have provided mapping solutions with high spatial and temporal resolution, with great potential in areas such as precision agriculture, environmental monitoring, civil construction, mining, among others. others. Despite the low costs compared to an aerial survey carried out by a manned aircraft or acquisition of an orbital image with similar spatial resolution, the processing of data obtained by Remotely Piloted Aircraft System (RPAS) is usually performed in commercial programs. The present work used data from a multirotor drone mapping of the brand DJI model Phantom 4 Standard was carried out, in a commercial property in the municipality of Rio Verde, district of Ouroana on October 5, 2022 before the sowing of the soybean crop. The property is located at geographic coordinates (-18.147623°S and -50.663644°W) and elevation of 674 m. DroneDeploy application was used with a flight height of 120 m and frontal and lateral overlap of 80 and 75%, respectively. The mapping was carried out on a partially cloudy day, these being the best weather conditions at the time. RandomForest classifier proved to be efficient for classifying unwanted vegetation within the crop, but this was possible based on a consistent base of training sample data. The use of technologies with unmanned aerial vehicle (UAV), photogrammetry, geoprocessing and artificial intelligence in an adequate way to manage the rural property brings improvements in the use of agricultural inputs.

Испанский язык; кастильский. Actualmente, las técnicas utilizadas han dado resultados positivos para la teledetección por su bajo costo, ya que han brindado soluciones de mapeo con alta resolución espacial y temporal, con gran potencial en áreas como agricultura de precisión, monitoreo ambiental, construcción civil, minería, entre otras. otros. otros. A pesar de los bajos costos en comparación con un levantamiento aéreo realizado por un avión tripulado o la adquisición de una imagen orbital con resolución espacial similar, el procesamiento de datos obtenidos por Remotely Piloted Aircraft System (SAPR) generalmente se realiza en programas comerciales. El presente trabajo utilizó datos de un mapeo con dron multirotor de la marca DJI modelo Phantom 4 Standard se realizó en un predio comercial del municipio de Rio Verde, distrito de Ouroana el 5 de octubre de 2022 previo a la siembra del cultivo de soja. La propiedad está ubicada en las coordenadas geográficas (-18.147623°S y -50.663644°W) y elevación de 674 m. Se utilizó la aplicación DroneDeploy con una altura de vuelo de 120 m y superposición frontal y lateral del 80 y 75%, respectivamente. El mapeo se realizó en un día parcialmente nublado, siendo estas las mejores condiciones climáticas en ese momento. El clasificador RandomForest demostró ser eficiente para clasificar la vegetación no deseada dentro del cultivo, pero esto fue posible en base a una base consistente de datos de muestra de entrenamiento. El uso de tecnologías con vehículo aéreo no tripulado (UAV), fotogrametría, geoprocesamiento e inteligencia artificial de manera adecuada para administrar la propiedad rural trae mejoras en el uso de insumos agrícolas.

португальский. Atualmente as técnicas utilizadas têm surtido resultados positivos para o sensoriamento remoto devido ao baixo custo, pois tem provido soluções de mapeamento com alta resolução espacial e temporal, tendo seu grande potencial em áreas como agricultura de precisão, monitoramento ambiental, na construção civil, mineração dentre outras. Apesar dos baixos custos em relação a um aerolevantamento realizado por uma aeronave tripulada ou aquisição de uma imagem orbital com resolução espacial semelhante, o processamento de dados obtidos por Sistema de Aeronave Pilotada Remotamente (SAPR) costumam ser executados em programas comerciais. O presente trabalho, utilizou dados de um mapeamento com drone multirotor da marca DJI modelo Phantom 4 Standard foi realizado numa propriedade comercial do município de Rio Verde, distrito de Ouroana no dia 05 de Outubro de 2022 antes da semeadura da safra de soja. A propriedade está localizada nas coordenadas geográficas (-18.147623°S e -50.663644°W) e elevação de 674 m. Foi utilizado o aplicativo DroneDeploy com altura de voo de 120 m e sopreposição frontal e lateral de 80 e 75%, respectivamente. O mapeamento foi realizado em um dia parcialmente nublado, sendo estas, as melhores condições meteorológicas da época. O classificador RandomForest demonstrou-se eficiente para classificar a vegetação indesejada dentro da lavoura, porém isso foi possível a partir de uma base consistente de dados amostrais de treinamento. O uso de tecnologias com veículo aéreo não tripulado (VANT), fotogrametria, geoprocessamento e inteligência artificial de forma adequada para gerenciar a propriedade rural traz melhorias no uso de insumos agrícolas.