Projeto: Segmentação de talhões por meio de visão computacional

Empresa: A de Agro

A empresa "A de Agro" tem como missão se tornar a principal fonte de informações de safras do Brasil, oferecendo análises de inteligência de mercado, monitoramento e previsões para uma ampla gama de setores, incluindo bancos, empresas de crédito rural, seguradoras e outros players do agronegócio. Orientada por valores fundamentais, a empresa prioriza dados concretos sobre suposições, autonomia sobre hierarquia, entrega de valor para o cliente e trabalho em equipe para alcançar resultados.

Grupo: Greenfield

Integrantes:

• Iago Tavares
• João Alcaraz
• Mateus Almeida
• Raphael Antunes
• Renato Machado
• Stefano Butori
• Vitor Barros

Descrição do Projeto

A identificação precisa dos talhões produtivos em fazendas é crucial para a análise da safra, incluindo informações sobre o que foi (ou pode ser) plantado e quanto foi (ou será) colhido. Atualmente, a identificação de talhões na Região Sul do Brasil é um grande desafio, em decorrência de características do terreno e região.

Pretendemos desenvolver um modelo de visão computacional para identificar talhões produtivos na Região Sul, com maior confiabilidade, aumentando a precisão das análises de safras e a confiança dos clientes nos resultados.

Configuração para desenvolvimento

O projeto foi desenvolvido através da plataforma Google Colab. Para utilizar a última versão do modelo desenvolvido pelo grupo, siga os seguintes passos:

1. Faça o Download do arquivo implementacao_final/Implementação_final.ipynb dentro da pasta /codigo (caso o arquivo não esteja na raiz dessa pasta, verifique se está em uma das subpastas utilizando a função de pesquisa do GitHub).
2. Crie uma Conta no Google Colab, caso não tenha.
3. Na plataforma Colab, faça upload do Notebook Implementação_final.ipynb indo na opção File > Upload Notebook

4. Seleciona a opção Runtime > Run All e siga as demais instruções contidas no Notebook

5. Pronto, o modelo de visão computacional será treinado e estará pronto para realizar as predições necessárias ao final. Caso queira, é possível alternar a GPU utilizada na plataforma Colab, para que o processo de treinamento ocorra mais rápido.

Documentação e Artigo

Os arquivos da documentação deste projeto estão na pasta /artefatos, inclusive os arquivos do artigo.

O conteúdo deste artigo foi elaborado como parte das atividades de aprendizado dos alunos, mas precisa ser revisto e modificado caso haja a intenção de submetê-lo para uma eventual publicação.

Código

Os arquivos de código estão na pasta /codigo.

Tags

Foi publicada uma tag ao final de cada sprint, para que seja possível verificar a evolução do projeto ao longo do tempo, a partir desses checkpoints.

Sprint 1

• Draft do Artigo
• Pipeline de Processamento e Base de Dados

Sprint 2

• Artigo com Avaliação de Modelos de CNN
• Implementação de Modelo CNN Próprio
• Refinamento de Modelo CNN Pré-treinado

Sprint 3

• Artigo: Refinamento com Object Detection e Data Augmentation
• Implementação de Object Detection

Sprint 4

• Artigo: Refinamento com Image Segmentation
• Implementação de Image Segmentation

Sprint 5

• Artigo Final
• Apresentação Final
• Implementação Final

Licença

Greenfield by Inteli - Iago Tavares, João Alcaraz, Mateus Almeida, Raphael Antunes, Renato Machado, Stefano Butori, Vitor Barros is licensed under CC BY 4.0