- UFVJM
- Rodovia MGT 367 – Km 583, 5000, Departamento de Engenharia Florestal, Alto da Jucuba, Diamantina / MG - CEP: 39.100-000
- ppgcf@ufvjm.edu.br
- 38 3532-6810 - Ramal: 6810
Notícias
Disciplina
PPV695 | Extração de informações de imagens obtidas por RPAS: reconhecimento de padrões e aprendizagem computacional
Créditos: 4 | Créditos computáveis
Obrigatoriedade: Disciplina não obrigatória
Periodicidade [período(s) de oferta]: 2
Desde 01/01/2023
Proporcionar aos acadêmicos os conhecimentos teórico-práticos necessários para o desenvolvimento de trabalhos utilizando a extração de informações das imagens adquiridas por sensores embarcados em plataforma RPAS – Remoted Piloted Aircraft Systems por reconhecimento de imagem e aprendizagem computacional, permitindo assim, a utilização de algoritmos de aprendizagem para extrair informações dos dados espaciais em escalas maiores das áreas de estudo em diferentes linhas de pesquisa e atuação do profissional nas ciências agrárias.
BISHOP, C.M. Pattern Recognition and Machine Learning. 1. ed., Springer, 2006.
DUDA, R.O., HART, P.E., STORK, D.G. Pattern Classification. 2. ed., New York: John Wiley & Sons, 2001.
EVERITT, B.S., LANDAU, S., LEESE, M. Cluster Analysis. 4. ed., London: Eduard Arnold, 2001.
FUKUNAGA, K. Introduction to Statistical Pattern Recognition. 2. ed., Boston: Academic Press, 1990.
GALVÃO, G. M; ROSALEN, D. L. Acurácia da mosaicagem gerada por veículo aéreo não tripulado utilizado na agricultura de precisão. In: FURLANI, C.E.A; SILVA, R.P; ROSALEN, D.L. (Org.). CONGRESSO BRASILEIRO DE ENGENHARIA AGRÍCOLA (42. 2013, Fortaleza): Os desafios para o desenvolvimento sustentável. 1ed. Jaboticabal: SBEA, 2013. p. 3.
GAWSKI, M; COLETTA, P. C. D; ANDRADE, A. G; TANAKA, E. M. Validação de levantamento planialtimétrico realizado pelo veículo aéreo não tripulado SenseFly na cultura de cana-de-açúcar. In: ENCONTRO DE MECANIZAÇÃO EM AGRICULTURA DE PRECISÃO, 2013, POMPEIA-SP. 3 EnqMap. Pompeia-SP: EnqMap, 2013. p.18-18.
HEIJDEN, F. Image Based Measurement Systems. New York: John Wiley & Sons, 1994.
JENSEN, J. R. Sensoriamento Remoto do Ambiente: uma perspectiva em recursos terrestres. São José dos Campos: Parêntese. 2009. KUX, H. & BLASCHKE, T. Sensoriamento Remoto e SIG Avançados. 2. ed. São Paulo: Oficina de Textos, 2007.
KUNCHEVA, L.I. Combining Pattern Classifiers: Methods and Algorithms. Willey, 2004.
MITCHELL, T. Machine Learning. McGraw Hill, 1997.
PEDRINI, H.; SCHWARTZ, W. R. Análise de Imagens Digitais: Princípios, Algoritmos e Aplicações. São Paulo: Thomson Learning, 2008.
PONZONI, F. J. et al. Sensoriamento remoto da vegetação. 2. ed. Revisada e Ampliada. São Paulo: Oficina de Textos, 2013
THEODORIDIS, S., KOUTROUMBAS, K. Pattern Recognition, 3. ed., Academic Press, 2006.
WEBB, A.R. Statistical Pattern Recognition, 2. ed., New York: John Wiley & Sons, 2002.