A carregar...
6 resultados
Resultados da pesquisa
A mostrar 1 - 6 de 6
- Intelligent monitoring and management platform for the prevention of olive pests and diseases, including IoT with sensing, georeferencing and image acquisition capabilities through computer visionPublication . Alves, Adília; Morais, A. Jorge; Filipe, Vitor; Pereira, J.A.Climate change affects global temperature and precipitation patterns. These effects, in turn, influence the intensity and, in some cases, the frequency of extreme environmental events, such as forest fires, hurricanes, heat waves, floods, droughts, and storms. In general, these events can be particularly conducive to the appearance of plant pests and diseases. The availability of models and a data collection system is crucial to manage pests and diseases in sustainable agricul-tural ecosystems. Agricultural ecosystems are known to be complex, multivariable, and unpredict-able. It is important to anticipate crop pests and diseases in order to improve its control in a more ecological and economical way (e.g., precision in the use of pesticides). The development of an intel-ligent monitoring and management platform for the prevention of pests and diseases in olive groves at Trás-os- Montes region will be very beneficial. This platform must: a) integrate data from multi-ple data sources such as sensory data (e.g., temperature), biological observations (e.g., insect counts), georeferenced data (e.g., altitude) or digital images (e.g., plant images); b) systematize these data into a regional repository; c) provide relevant forecasts for pest and diseases. Convolutional Neural Networks (CNNs) can be a valuable tool for the identification and classi-fication of images acquired by Internet of Things (IoT).
- Pest Detection in Olive Groves Using YOLOv7 and YOLOv8 ModelsPublication . Alves, Adília; Pereira, J.A.; Khanal, Salik; Morais, A. Jorge; Filipe, VitorModern agriculture faces important challenges for feeding a fast-growing planet’s population in a sustainable way. One of the most important challenges faced by agriculture is the increasing destruction caused by pests to important crops. It is very important to control and manage pests in order to reduce the losses they cause. However, pest detection and monitoring are very resources consuming tasks. The recent development of computer vision-based technology has made it possible to automatize pest detection efficiently. In Mediterranean olive groves, the olive fly (Bactrocera oleae Rossi) is considered the key-pest of the crop. This paper presents olive fly detection using the lightweight YOLO-based model for versions 7 and 8, respectively, YOLOv7-tiny and YOLOv8n. The proposed object detection models were trained, validated, and tested using two different image datasets collected in various locations of Portugal and Greece. The images are constituted by sticky yellow trap photos and by McPhail trap photos with olive fly exemplars. The performance of the models was evaluated using precision, recall, and mAP.95. The YOLOV7-tiny model best performance is 88.3% of precision, 85% of Recall, 90% of mAP.50, and 53% of mAP.95. The YOLOV8n model best performance is 85% of precision, 85% of Recall, 90% mAP.50, and 55% of mAP.50 YOLO8n model achieved worst results than YOLOv7-tiny for a dataset without negative images (images without olive fly exemplars). Aiming at installing an experimental prototype in the olive grove, the YOLOv8n model was implemented in a Ubuntu Server 23.04 Raspberry PI 3 microcomputer.
- Use of YOLOv5 object detection algorithms for insect detectionPublication . Oliveira, Lino; Victoriano, Margarida; Alves, Adília; Pereira, J.A.Climate change affects global temperature and precipitation patterns that influence the intensity and, in some cases, the frequency of extreme environmental events, such as forest fires, hurricanes and storms. These events can be particularly conducive to the increase of plant pests and diseases, which causes significant production losses. So, the early detection of pests is of the main importance to reduce pest losses and implement more safe control management strategies protecting the crop, human health, and the environment (e.g., precision in the pesticide application). Nowadays, pests’ detection and prediction are mainly based on counting insects on attacked organs or in traps by experts, but this is a costly and time-consuming task for extensive and geographically dispersed olive groves. Machine learning algorithms, using image analysis, can be used for autonomous pests’ detection and counting. In the present practical work, YOLOv5 was chosen to detect and count the olive fly adults (Bactrocera oleae Rossi), a key pest of olives. YOLOv5s architecture of YOLO’s algorithm was used to test its efficiency in olive fly detection on a mobile deployment solution. The results obtained were quite satisfactory, and the experimental results obtained have been analyzed and presented, encompassing a set of metrics such as precision, recall, and the mean average precision. This study will be extended for other pests and disease detection in future work. Also, this solution will be integrated into a web-based information and management service (with sensors and e-traps) that remotely detect the presence and severity of pest attacks.
- Repositórios do Instituto Politécnico de Bragança: integração e benefíciosPublication . Pais, Clarisse; Alves, AdíliaOs repositórios são plataformas de integração e partilha que permitem o livre acesso à produção científica produzida pelas comunidades académicas e que promovem a visibilidade e notoriedade dessas mesmas comunidades. São um garante da preservação da memória científica, regional e/ou cultural e induzem um impacto relevante na economia e na sociedade em geral. O que se pretende neste estudo é aferir qual o impacto que os repositórios do Instituto Politécnico Bragança (IPB) têm na comunidade académica, mas também na comunidade externa. Verificar qual o impacto que a inovação e transferência de conhecimento realizada no IPB têm na ciência, na indústria e na sociedade em geral. Esta confirmação será realizada com base em estatísticas internas, em métricas disponibilizadas por bases de dados externas e em dados fornecidos pela atividade económica. Serão mencionados os três repositórios IPB: Biblioteca Digital, Repositório de Memória Regional e Repositório de Dados, publicação de outputs e dados de investigação.
- Repositórios do Instituto Politécnico de Bragança: integração e benefíciosPublication . Pais, Clarisse; Alves, AdíliaOs repositórios são por excelência plataformas de integração e partilha, que permitem o livre acesso à produção científica produzida pelas comunidades académicas. Promovem a visibilidade das instituições e dos seus autores. São um garante da preservação da memória científica e da memória regional e/ou cultural. O que se pretende neste estudo é aferir qual o impacto que os repositórios do Instituto Politécnico Bragança têm na comunidade académica e na comunidade externa. Pretende-se também demonstrar que os repositórios são verdadeiros agentes na gestão do conhecimento científico e ferramentas indispensáveis à avaliação do desempenho docente. A metodologia utilizada para avaliar a fiabilidade e a relevância dos repositórios do IPB consiste na análise de indicadores disponibilizados pelo add-on das estatísticas. Vai-se analisar em tempo real as métricas e os indicadores disponibilizados por fontes de informação externa, como a Scopus ou a Web of Science. Essas métricas e indicadores são obtidos utilizando as respetivas APIs que serão analisados estatisticamente produzindo informação útil de avaliação dos repositórios do IPB (acesso, projetos financiados, verificar se as publicações já estão depositadas no repositório, etc.). Far-se-á a apresentação do Repositório Memória Regional e a apresentação do Repositório de Dados científicos produzidos no Instituto Politécnico de Bragança. O desafio que se coloca agora às entidades que produzem conhecimento científico e inovação; e que são financiadas por projetos nacionais e europeus é tornarem disponíveis os resultados de investigação. Os repositórios induzem um impacto muito favorável na economia e na sociedade em geral, abrindo os resultados da investigação a empresas e outros públicos e, por essa via, potenciando a inovação e a reprodutibilidade da ciência. Alguns dos exemplos mais evidentes de inovação e transferência de conhecimento é a criação de patentes (ex.: Patent Number(s): US8615312), marcas e produtos que estão a ser utilizados na indústria alimentar e na indústria em geral (Dictis e Ingrediente de Flor de Castanheiro).
- Ask the Data no Dados.IPBPublication . Alves, Adília; Pais, ClarisseO Instituto Politécnico de Bragança (IPB) mantém os seus dados de investigação na plataforma Dados.IPB (https://dados.ipb.pt). Os dados armazenados nesta plataforma abrangem diversas áreas de conhecimento e estão guardados em distintos formatos (ex: .xlsx, .docx, .pdf, .jpg, .tab). O Dataverse possui metadados que classificam os datasets e que permitem a recuperação dos mesmos e respetivos dados após a introdução, pelos utilizadores, de keywords em campos de pesquisa. Os resultados são obtidos com a execução de querys SQL sobre a base de dados Dataverse PostgreSQL. Mais recentemente é possível pesquisar na plataforma Dataverse utilizando, não só os metadados, mas também os próprios dados. A Inteligência Artificial é um componente em crescimento no ecossistema Dataverse, também na funcionalidade de pesquisa de informação nos dados armazenados nos datasets. A extensão Ask the Data (https://github.com/IQSS/askdataverse/tree/main/askthedata) é uma ferramenta externa ao Dataverse que permite fazer perguntas em linguagem natural sobre os dados contidos nas tabelas do Dataverse (dados tabulares, com extensão .tab). Um ficheiro .tab é um ficheiro de texto delimitado por tabulações, ou seja, é um formato de texto simples onde os valores são separados pelo carater de tabulação (\t). Estes ficheiros são frequentemente usados para armazenar e trocar dados estruturados, como folhas de cálculo, tabelas ou bases de dados. Ficheiros .tab são: leves, legíveis por humanos, compatíveis com várias plataformas, menos ambíguos do que .csv porque o texto pode ter vírgulas e não tem o carater '\t'. São, por isso, amplamente utilizados. O IPB instalou a extensão Ask the Data no Dataverse. Este Large Language Model analisa apenas o conteúdo dos dados tabulares e não a descrição do conjunto de dados ou quaisquer metadados. Depois de instalar esta extensão o IPB começou a desenvolver outra ferramenta externa ao Dataverse, Ask the Data2 utiliza o YOLO, que irá detetar objetos previamente definidos em imagens guardadas no Dataverse e responder a perguntas em linguagem natural.