Desenvolvimento de Algoritmos de Processamento de Imagens para Identificação de Pragas em Lavouras de Trigo
- Aluno de Iniciação Científica do Instituto Mauá de Tecnologia (IMT)
- Professor do Instituto Mauá de Tecnologia (IMT)
A cultura do trigo é fundamental para a segurança alimentar, geração de renda e desenvolvimento socioeconômico no Brasil. No entanto, enfrenta grandes desafios devido à incidência de pragas que afetam a produtividade e a lucratividade dos agricultores. Com o avanço das tecnologias computacionais e ferramentas de processamento de imagens, soluções baseadas em IoT estão se tornando cada vez mais relevantes para a agricultura de precisão.
Este projeto visa o desenvolvimento de um sistema de monitoramento em tempo real de lavouras de trigo, utilizando processamento de imagens com Python, OpenCV e a plataforma Roboflow. O sistema identificará pragas comuns e espigas de trigo, integrando técnicas de Machine Learning para melhorar a precisão. O sistema será testado em diferentes condições de campo para avaliar sua robustez, contribuindo para a detecção precoce de pragas e a adoção de medidas corretivas. Com isso, espera-se aumentar a produtividade e a sustentabilidade da produção de trigo no Brasil. Além disso, o projeto poderá ser adaptado para outras culturas agrícolas, impulsionando ainda mais a agricultura de precisão.
O objetivo deste projeto é desenvolver um sistema de processamento de imagens que utilize dados coletados por câmeras e sensores na agricultura de precisão, focando na cultura do trigo. Usando Python e suas bibliotecas, além da plataforma Roboflow, o sistema será capaz de identificar padrões e pragas nas plantações. O monitoramento contínuo e automatizado permitirá a detecção precoce de pragas e contribuirá para a adoção rápida de medidas corretivas, promovendo a eficiência na gestão agrícola.
Antes de iniciar, certifique-se de ter instalado os seguintes componentes em sua máquina:
- Python 3.12.4: Instale o Python
- Bibliotecas listadas no
requirements.txt(Ver Instalação de Dependências) - Ambiente virtual Python (recomendado)
Além disso, é necessário um ambiente de desenvolvimento adequado, como o Visual Studio Code, PyCharm, ou qualquer outro editor de código Python.
O ambiente virtual .venv armazena todas as bibliotecas necessárias para o projeto. As principais bibliotecas e suas versões são:
A pasta archives contém pesquisas e materiais de referência utilizados no início do projeto, abordando temas como a tecnologia IoT e o ciclo de vida do trigo, além de outras informações essenciais.
A pasta database organiza os dados das cinco espécies de pragas selecionadas para o modelo de identificação. Cada sub-pasta armazena informações relevantes para o treinamento do modelo. As espécies são:
- Metopolophium: Pulgão-verde-pálido (Metopolophium dirhodum)
- Rhopalosiphum: Piolho-da-cereja-brava (Rhopalosiphum padi)
- Schizaphis: Pulgão-verde-dos-cereais (Schizaphis graminum)
- Sipha maydis: Pulgão-preto-dos-cereais (Sipha maydis)
- Sitobion avenae: Pulgão-da-espiga (Sitobion avenae)
A pasta functions contém as funções essenciais usadas no projeto. Para utilizar uma função em seu código Python, basta importar da seguinte forma:
from functions import nome_da_funçãoA pasta models contém os testes relacionados ao modelo de detecção do Roboflow. Ela inclui resultados de testes de precisão para diferentes classes de objetos, bem como o desempenho do sistema ao lidar com imagens e vídeos.
A pasta src armazena o código-fonte principal da aplicação.
A pasta study inclui materiais de estudo que auxiliaram no desenvolvimento do projeto, como tutoriais sobre o uso da biblioteca OpenCV e a integração com a plataforma Roboflow.
A pasta tests contém scripts e arquivos de teste que verificam a funcionalidade correta de diversas partes do sistema, garantindo que o projeto funcione conforme o esperado.
Para garantir que todas as dependências do projeto sejam instaladas corretamente, siga os passos abaixo:
- Clone do repositório:
git clone https://github.com/Ottock/projeto-identificacao-pragas.git
- Entre no diretório do projeto:
cd projeto-identificacao-pragas
- Crie e ative um ambiente virtual:
python -m venv .venv
source .venv/bin/activate # Linux/MacOS
.venv\Scripts\activate # Windows
- Instale as dependências listadas no
requirements.txt:
pip install -r requirements.txt
Após configurar o ambiente e instalar as dependências, execute o projeto seguindo os passos abaixo:
-
Navegue até o diretório
src:cd src -
Execute o sistema:
python src/main.py
Agora o sistema estará em funcionamento, monitorando as imagens para detecção de pragas em tempo real.