ALGORITMO PARA A DETECÇÃO DE ÁRVORES URBANAS A PARTIR DE IMAGENS 360
Palavras-chave:
Detecção de árvores; YOLO; Imagem Equiretangular; Imagem 360; Visão Computacional.Resumo
As árvores são indispensáveis à vida humana, elas absorvem dióxido de carbono e liberam oxigênio, ajudam a temperatura moderada, protegem os ecossistemas e reduzem a erosão. A identificação manual de árvores em vias públicas necessita de gastos e tempo para o registro e administração dos dados coletados, visto que as regiões urbanas podem ser muito amplas. Neste trabalho foi desenvolvido um método para o reconhecimento e a identificação de árvores em regiões urbanas a partir de um vídeo 360. Uma rede neural YOLO foi treinada para detectar as árvores nos quadros do vídeo equiretangular (imagens 360). Foram utilizadas técnicas de Visão Computacional com o auxílio da biblioteca OpenCV no desenvolvimento de algoritmos para segmentar as regiões que enquadram a as árvores detectadas no campo de visão retilínea (projeção gnomônica), com o propósito de verificar se as árvores estão nas calçadas. Os resultados obtidos apresentaram em torno de 80% de acerto na detecção de árvores usando a YOLO, e uma precisão de 71% no algoritmo que verifica se as árvores estão na calçada.
Downloads
Referências
ALVES, G.; Detecção de Objetos com YOLO - Uma abordagem moderna. 2020. Disponível em: https://iaexpert.academy/2020/10/13/deteccao-de-objetos-com-yolo-uma-abordagem-moderna. Acesso em: 17 dez. 2022.
BARBOSA, R. L.; GALLIS, R. B. A.; HIRAGA, A. K.; SILVA, F. A. Quantificação e Georreferenciamento Semiautomático de Árvores Urbanas. Revista da Sociedade Brasileira de Arborização Urbana - REVSBAU, Curitiba, v.13, n.4, p.41-53, 2018. https://doi.org/10.5380/revsbau.v13i4.65046
BOURAYA, S.; BELANGOUR, A. Deep Learning based Neck Models for Object Detection: A Review and a Benchmarking Study. International Journal of Advanced Computer Science and Applications. 2021. Acesso em: 14 dez. 2022. https://doi.org/10.14569/IJACSA.2021.0121119
GLEDHILL, D.; TIAN, G. Y.; TAYLOR, D.; CLARKE, D. Panoramic imaging—a review. Computer & Graphics, v. 27, n. 3, p. 435-445, 2003. https://doi.org/10.1016/S0097-8493(03)00038-4
IBFLORESTAS; Quais são as partes da árvore e as suas funções?. s.d. Disponível em: https://www.ibflorestas.org.br/conteudo/quais-sao-as-partes-da-arvore?utm_source=google-ads&utm_medium=cpc&utm_campaign=nativas-c&keyword=%22a%20importancia%20da%20arvore%27&creative=429664467327&gclid=Cj0KCQjwnoqLBhD4ARIsAL5JedLWmXY4yn5p5yCqHCmlb8VdrncdeSzJeWCaaDI-sgT8VQVOighB6_YaAsDoEALw_wcB. Acesso em: 03 dez. 2022.
ITAKURA, K.; HOSOI, F. Automatic Tree Detection from Three-Dimensional Images Reconstructed from 360° Spherical Camera Using YOLO v2. Remote Sensing, 12(6), 2020. https://doi.org/10.3390/rs12060988
KATEB, F. A.; MONOWAR, M. M.; HAMID, A.; OHI, A. Q.; MRIDHA, M. F. FruitDet: Attentive Feature Aggregation for Real-Time Fruit Detection in Orchards. Agronomy. 11(12), 2021. https://doi.org/10.3390/agronomy11122440
MUTHA, N. How to map Equirectangular projection to Rectilinear projection. 2017. Disponível em: http://blog.nitishmutha.com/equirectangular/360degree/2017/06/12/How-to-project-Equirectangular-image-to-rectilinear-view.html. Acesso em: 11 dez. 2022.
OPEN IMAGES DATASET. Disponível em: https://storage.googleapis.com/openimages/web/index.html. Acesso em: 19 dez. 2022.
OTSU, N. A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man, And Cybernetics, v. 9, n. 1, p. 62-66, 1979.. https://doi.org/10.1109/TSMC.1979.4310076
PIEMONTEZ; YOLO para Detecção de Objetos – Visão Geral. 2022. Disponível em: https://visaocomputacional.com.br/yolo-para-deteccao-de-objetos-visao-geral/. Acesso em: 13 dez. 2022.
RAJPUT. Working of YOLOv4 Algorithm. 2021. Disponível em: https://medium.com/@shraddhapattanshetti161998/working-of-yolov4-algorithm-76a5e75f188b#:~:text=YOLOv4%20Specifically%20uses%20CSPDarknet53%20as. Acesso em: 09 dez. 2022.
SHINDE, S.; KOTHARI, A.; GUPTA, V. YOLO based Human Action Recognition and Localization. Procedia Computer Science, 133, p. 831–838. 2018. https://doi.org/10.1016/j.procs.2018.07.112
SOLAWETZ; YOLOv4 - An explanation of how it works. 2020. Disponível em: https://blog.roboflow.com/a-thorough-breakdown-of-yolov4/#yolov4-backbone-network-feature-formation. Acesso em: 10 dez. 2022.
SUZUKI, S.; BE, K. Topological structural analysis of digitized binary images by border following. Computer Vision, Graphics, and Image Processing, 30(1), 32–46, 1985. https://doi.org/10.1016/0734-189X(85)90016-7
TREIBER, M. An Introduction to Object Recognition: Selected Algorithms for a Wide Variety of Applications. Springer-Verlag London Limited, 2010.
WEISSTEIN. Gnomonic Projection. s.d. Disponível em: https://mathworld.wolfram.com/GnomonicProjection.html. Acesso em: 13 dez. 2022.
XIE, Q.; LI, D.; YU, Z.; ZHOU, J.; WANG, J. Detecting Trees in Street Images via Deep Learning with Attention Module. IEEE Transactions on Instrumentation and Measurement, v. 69, n. 8, p. 5395-5406, 2019. https://doi.org/10.1109/TIM.2019.2958580