Application of artificial neural network in the classification of coffee áreas in Machado, Minas Gerais State

Authors

  • Livia Naiara Andrade Bolsista CBP&D Café da Empresa de Pesquisa Agropecuária de Minas Gerais - EPAMIG
  • Tatiana Grossi Chquiloff Vieira Empresa de Pesquisa Agropecuária de Minas Gerais - EPAMIG
  • Wilian Soares Lacerda Universidade Federal de Minas Gerais - UFLA
  • Margarete Marin Lordelo Volpato Empresa de Pesquisa Agropecuária de Minas Gerais - EPAMIG
  • Clodoveu Augusto Davis Jr Universidade Federal de Minas Gerais - UFMG

Keywords:

Artificial Neural Networks, automatic classification, coffee

Abstract

The coffee is extremely important activity in southern of Minas Gerais and techniques for estimating acreage, seeking reliable crop forecasts are being intensely investigated. It is presented in this study, an application of Artificial Neural Networks (ANN) for the automatic classification of remote sensing data in order to identify areas of the coffee region Machado, Minas Gerais. The methodology for developing the application of RNA was divided intothree stages: pre-processing of data, training and use of RNA, and analysis of results. The first step was performed dividing the study area into two parts (one embossed busiest and least busy one with relief), because this region has a strong emphasis smooth wavy, causing a greater difficulty of automatic mapping of use earth from satelliteimages. Masks were also created in the drainage network and the urban area. In the second step, various RNA’s were trained from several samples representative of the classes of images of interest and was made to classify the rest ofthe image obtained using the best RNA. The third step consisted in analyzing and validating the results, performing across between the classified map and the map visually classified by neural network chosen. We used the Kappa index to evaluate the performance of the RNA, since the use of this coefficient is satisfactory to assess the accuracy of a thematic classification. The result was higher than the results reported in the literature, with a Kappa index of 0.558 to 0.602 relief busiest and least busy for relief.

Author Biographies

Livia Naiara Andrade, Bolsista CBP&D Café da Empresa de Pesquisa Agropecuária de Minas Gerais - EPAMIG

Possui graduação em Análise e Desenvolvimento de Sistemas pelo Instituto Federal Minas Gerais (2008) e mestrado em Ciências da Computação pela Universidade Federal de Minas Gerais (2011). Tem experiência em Sensoriamento Remoto, processamento de imagens de sensoriamento remoto e Sistemas de Informações Geográficas aplicadas a cafeicultura, gerenciamento de dados geográficos e mapas. Experiências acadêmicas em Geoprocessamento e Sensoriamento Remoto.

Tatiana Grossi Chquiloff Vieira, Empresa de Pesquisa Agropecuária de Minas Gerais - EPAMIG

BOLSISTA FAPEMIG Possui graduação em Engenharia de Agrimensura pela Faculdade de Engenhria de Agrimensura de Minas Gerais (1983) e mestrado em Agronomia (Solos e Nutrição de Plantas) pela Universidade Federal de Lavras (1991). Atualmente é bolsista incentivo a pesq. e ao desenv. tecn. da Fundação de Amparo à Pesquisa do Estado de Minas Gerais e pesquisador da Empresa de Pesquisa Agropecuária de Minas Gerais. Tem experiência na área de Geociências, com ênfase em Sensoriamento Remoto, atuando principalmente nos seguintes temas: sensoriamento remoto, café, geoprocessamento, uso da terra.

Wilian Soares Lacerda, Universidade Federal de Minas Gerais - UFLA

Possui graduação em Engenharia Elétrica pela Universidade Federal de Minas Gerais (1991), mestrado em Engenharia Elétrica pela Universidade Federal de Minas Gerais (1994) e doutorado em Engenharia Elétrica (área Engenharia da Computação) pela Universidade Federal de Minas Gerais (2006). Atualmente é professor adjunto da Universidade Federal de Lavras do Departamento de Ciência da Computação onde leciona as disciplinas de graduação e pós-graduação: Eletrônica Básica, Sistemas Digitais, Sistemas Embarcados e Microcontroladores, Redes Neurais Artificiais. Desenvolve pesquisa na área de Inteligência Computacional, atuando principalmente nos seguintes temas: Redes Neurais Artificiais, Sistemas Fuzzy, e Computação Evolutiva. Desenvolve protótipos de sistemas embarcados para aplicações específicas utilizando: microcontroladores, hardware reconfigurável (FPGA), sensores e atuadores diversos.

Margarete Marin Lordelo Volpato, Empresa de Pesquisa Agropecuária de Minas Gerais - EPAMIG

Possui graduação em Engenharia Florestal pela Universidade Federal de Lavras (1990), mestrado em Ciências Florestal pela Universidade Federal de Viçosa (1993) e doutorado em Engenharia Agrícola pela Universidade Estadual de Campinas (2002). Atualmente é pesquisadora da Empresa de Pesquisa Agropecuária de Minas Gerais - EPAMIG, atuando principalmente nas seguintes áreas de conhecimento: Sistema de informações geográficas, Sensoriamento remoto e Agrometeorologia. Bolsista FAPEMIG (Incentivo à Pesquisa e ao Desenvolvimento Tecnológico).

Clodoveu Augusto Davis Jr, Universidade Federal de Minas Gerais - UFMG

Possui graduação em Engenharia Civil pela Universidade Federal de Minas Gerais (1985), mestrado em Ciência da Computação pela Universidade Federal de Minas Gerais (1992) e doutorado em Ciência da Computação pela Universidade Federal de Minas Gerais (2000). Atualmente é professor do Departamento de Ciência da Computação da Universidade Federal de Minas Gerais, onde atua como docente em cursos de graduação e no Programa de Pós-Graduação em Ciência da Computação. Atua também como docente no Curso de Especialização em Geoprocessamento da UFMG. Tem experiência na área de Ciência da Computação, com ênfase em Sistemas de Informação Geográficos, atuando principalmente nos seguintes temas: bancos de dados geográficos, infra-estruturas de dados espaciais, geoprocessamento, modelagem de dados geográficos e endereçamento urbano.

Published

2013-04-21

How to Cite

ANDRADE, L. N.; VIEIRA, T. G. C.; LACERDA, W. S.; VOLPATO, M. M. L.; DAVIS JR, C. A. Application of artificial neural network in the classification of coffee áreas in Machado, Minas Gerais State. Coffee Science - ISSN 1984-3909, [S. l.], v. 8, n. 1, p. 78–90, 2013. Disponível em: http://www.coffeescience.ufla.br/index.php/Coffeescience/article/view/363. Acesso em: 24 jun. 2022.

Issue

Section

Articles