Alguns resultados deste trabalho foram escritos no formato de artigo e submetidos a alguns congressos e anais de eventos, conforme a seguir.
• SILVA, J. F.; BRITO, A. V.; MOURA, H. N.; LIMA, J. A. G. "An Embedded System for Aerial Image Processing from Unmanned Aerial Vehicles". In Brazilian Sympo- sium on Computing Systems Engineering (SBESC). 2015. Foz do Iguaçu. Aceito e publicado.
• SILVA, J. F.; BRITO, A. V.; MOURA, H. N.; LIMA, J. A. G. "Identification of malfor- mation in plantations through aerial images processing obtained by UAV". Congresso Brasileiro de Agroinformática (SBIAGRO). 2015. Ponta Grossa, PR. Aceito e publi- cado.
• SILVA, J. F.; ASSIS, H. Y. E. G.; BRITO, A. V.; ALMEIDA, N. V. "VANT como ferramenta auxiliar na análise da cobertura e uso da terra."Congresso Brasileiro de Agroinformática (SBIAGRO). 2015. Ponta Grossa, PR. Aceito e publicado
• BRITO, A.; FERNANDES, J.; NOGUEIRA, H.; ANTÔNIO, J. "Um sistema embar- cado aplicado ao setor agrícola para o processamento de imagens aéreas obtidas por VANTs". Simpósio Brasileiro de Computação Ubíqua e Pervasiva, 2015. Recife, PE. Artigo enviado e não aceito.
Capítulo 7
Considerações Finais
Este trabalho apresentou dois algoritmos de processamento de imagens capazes de identificar áreas de solo exposto em uma vegetação, em que cada um apresenta suas peculiaridades. O primeiro método proposto faz uso de técnicas baseadas em watershed e, por utilizar etapas de limiarização, necessita da intervenção humana para definição de alguns parâmetros a cada vez que um grupo de imagens com características similares é processado. O segundo método utiliza uma abordagem baseada em aprendizagem de máquina, por meio da técnica de classificação baseada no 1-vizinho mais próximo que, após a seleção de um conjunto de dados de treinamento bem definida, dispensa a intervenção humana durante as etapas de segmentação. Além disso, o uso dos três canais do espaço de cores RGB e sua conversão para o espaço HSI tornam o sistema mais robusto ao passo que desprezam as variações de luminosidade presente nas imagens.
Considerando a qualidade da segmentação, dados de acurácia obtidos neste trabalho mos- tram resultados satisfatórios em ambos algoritmos utilizados. Aplicado ao setor agrícola, resultados da segmentação de imagens do plantio de cana de açúcar apresentam melhores resultados com uso do algoritmo baseado em 1-NN, segundo especialistas. Aplicado ao con- texto ambiental, os resultados foram mais satisfatórios com uso do algoritmo baseado em watershed. Como não houve identificação dos métodos utilizados nas imagens enviadas aos especialistas, foram desconsideradas as vantagens de cada método durante a análise. Con- siderando a capacidade de realização de tarefas autônomas como requisitos para viabilizar a aplicação do sistema em tempo real, podemos concluir que a segmentação baseada no 1-vizinho mais próximo é mais eficiente.
Os algoritmos propostos neste trabalho foram capazes de funcionar em computadores de pequeno porte e baixo consumo. Em relação ao desempenho, os algoritmos apresenta- ram tempo de processamento aceitáveis, principalmente o algoritmo baseado em watershed que, devido a sua simplicidade computacional, apresentou tempo de processamento bastante inferior ao algoritmo baseado em 1-NN.
Em relação aos sistemas embarcados, a plataforma Intel DE2i-150, apesar do melhor desempenho observado e da variedade de interfaces de comunicação disponíveis, não é indi- cada para o sistema proposto devido as suas grandes dimensões e alto consumo de energia, tornando inviável a sua utilização acoplada a um VANT. O melhor desempenho entre as pla- taformas possíveis de ser acopladas a um VANT é observado na Intel Edison, que apresentou desempenho cerca de 20% superior à Raspberry Pi 2. Em relação à eficiência energética, a plataforma Intel Edison também é a mais eficiente. Apesar da plataforma Intel Edison apre- sentar melhores resultados de desempenho e eficiência energética, a plataforma Raspberry Pi 2apresenta resultados similares em alguns casos específicos, desta forma outras métricas do projeto podem ser consideradas.
Em geral, é possível concluir que as plataformas Intel Edison (x86) e Raspberry Pi 2 (ARM) são dois possíveis computadores de pequeno porte que podem ser acoplados a um VANT e apresentam resultados satisfatórios em relação às principais métricas avaliadas neste trabalho. Considerando as características de hardware, a primeira apresenta vantagens como dimensões mais reduzidas, menor peso e menor consumo de energia, além de possuir comu- nicação sem fio. A plataforma Raspberry Pi 2 possui vantagens como maior possibilidade de comunicação, facilidade na configuração por permitir sistemas operacionais com interface gráfica, além de flexibilidade para a inserção de novos dispositivos por meio de extensão GPIO, característica primordial para futura expansão das capacidades do VANT.
Considerando a aplicação de técnicas computacionais em trabalhos futuros que podem aumentar o desempenho do algoritmo 1-NN, a facilidade de configuração e sobretudo a pos- sibilidade de agregar novas funcionalidades, este estudo conclui que a plataforma Raspberry Pi 2é o sistema embarcado mais apropriado, de acordo com as necessidades e possibilidades futuras do projeto. Além disso, esta plataforma associada ao uso de câmeras não-métricas garantem uma solução de baixo custo e eficiente para o processamento de imagens aéreas aplicados ao contexto agrícola ou ambiental.
7.1 Principais contribuições 107
7.1
Principais contribuições
A principal contribuição diz respeito à construção e adaptação de algoritmos baseados em técnicas simples de processamento de imagens, obtidas por câmeras não-métricas, e a capa- cidade de embarcá-los em plataformas de pequeno porte. Outras contribuições são apresen- tadas a seguir.
• Implementação e adaptação de algoritmos de processamento de imagens para a iden- tificação de solo exposto.
• Desenvolvimento de uma solução aplicada ao problema real de avaliação dos níveis de degradação ambiental em áreas de preservação.
• Implementação de uma solução de baixo custo, que pode auxiliar pequenos e médios produtores por meio da solução acoplada a um VANT.
• Contribuição teórica e prática sobre a ampliação das capacidades de um VANT com foco em desenvolvimento de tarefas autônomas utilizando técnicas de aprendizagem de máquina.
• Estudo avaliativo de plataformas de pequeno porte e baixo consumo em relação ao de- sempenho e consumo de energia, servindo de referência para a comunidade científica. • Divulgação na comunidade científica de resultados parciais deste trabalho acerca de
métodos de processamento de imagens.
• Contribuição e troca de experiências com a comunidade acadêmica e empresas do setor de tecnologia agrícola, incentivando o desenvolvimento de soluções de baixo custo tornando-as mais acessíveis aos usuários.