CRowNet: Rede Profunda para Detecção de Linhas de Cultivo em Imagens de UAV

Hoje em dia, o desenvolvimento de robôs e tratores inteligentes para a automação de semeadura, colheita, capina, etc. está transformando a agricultura. Os agricultores estão passando de uma agricultura em que tudo é aplicado uniformemente para uma agricultura muito mais direcionada. Esse novo tipo de agricultura é comumente chamado de agricultura de precisão. No entanto, para a orientação autônoma dessas máquinas agrícolas e até mesmo às vezes para a detecção de ervas daninhas, é necessária uma detecção precisa das linhas de cultivo. Neste artigo, propomos um novo método chamado CRowNet, que usa uma rede neural convolucional (CNN) e a transformada de Hough para detectar linhas de cultivo em imagens tiradas por um veículo aéreo não tripulado (UAV). O método consiste em um modelo formado com SegNet (S-SegNet) e uma transformada de Hough baseada em CNN (HoughCNet). O desempenho do método proposto foi comparado quantitativamente com abordagens tradicionais e mostrou o melhor e mais robusto resultado. Uma boa taxa de detecção de linhas de cultivo de 93,58% foi obtida, com uma pontuação de IoU por linha de cultivo acima de 70%. Além disso, o modelo treinado em um determinado campo de cultivo é capaz de detectar linhas em imagens de diferentes tipos de culturas.