Thiago Teixeira Santos
[en] A method for automatic detection of coffee berries in digital images acquired in the field is presented. It consists of a preliminary detection step that finds candidate regions, followed by a classification stage which filters out false positives. For training and evaluation of automatic classification, 3,393 images were manually labeled. Quantitative tests have shown the automatic identification of coffee berries with 90% accuracy using Support Vector Machines and HOG descriptors (Histogram of Oriented Gradients). Qualitative tests indicate that the trained classifier exhibits good results for new field images. These results show that automated berry
detection is feasible and can be applied in crop prediction methodologies and precision farming systems.
[pt-BR] Um método para detecção automática de bagas de café em imagens digitais tomadas em campo é apresentado. Ele consiste em uma fase de detecção preliminar de regiões candidatas seguida por uma etapa de classificação capaz de filtrar falsos positivos. Para o treinamento e avaliação da classificação automática, 3.393 imagens foram manualmente rotuladas. Testes quantitativos demonstraram a identificação automática de bagas de café com 90\% de precisão através de Máquinas de Vetores de Suporte e descritores HOG (Histograma de Gradientes Orientados). Testes qualitativos indicam que o classificador treinado exibe bons resultados em novas imagens de campo. Esses resultados evidenciam que a detecção automática de frutos é factível e pode ser aplicada em metodologias de predição de safra e sistemas de agricultura de precisão.
Thiago T. Santos 