Camada ensemble para detecção de obstáculos com câmeras RGB em agricultura de precisão

Abstract

Resumo: A detecção confiável de obstáculos em ambientes agrícolas não estruturados é um desafio central para sistemas de percepção embarcados. Este trabalho avalia a viabilidade do uso exclusivo de uma câmera RGB de baixo custo, combinada com algoritmos de visão computacional, para aplicações de agricultura de precisão. O framework de fusão tardia proposto por Mujkic; Ravn; Christiansen (2023) [1], originalmente multimodal, é adaptado para um cenário unimodal, integrando segmentação semântica, detecção de objetos e detecção de anomalias sobre o dataset público FieldSAFE. A metodologia envolve a implementação da camada de fusão lógica, a validação da coerência entre modelos e um protocolo experimental de degradação controlada da qualidade das imagens RGB, simulando sensores econômicos e restrições computacionais. Os resultados indicam que a fusão multimodelo mitiga parcialmente as limitações sensoriais, mantendo níveis adequados de recall até um limiar mínimo de operação segura. A pesquisa contribui ao demonstrar a viabilidade de sistemas perceptivos de baixo custo para aplicações de retrofit em máquinas agrícolas

Abstract: Reliable obstacle detection in unstructured agricultural environments remains a key challenge for embedded perception systems. This study investigates the feasibility of using exclusively a low-cost RGB camera combined with computer vision algorithms for precision agriculture applications. A late-fusion framework originally designed for multimodal perception is adapted to a strictly unimodal scenario by integrating semantic segmentation, object detection, and anomaly detection on the public FieldSAFE dataset. The proposed methodology includes the implementation of a logical ensemble layer and an experimental protocol based on controlled image degradation to emulate low-cost sensors. Experimental results show that multi-model fusion partially compensates for sensor limitations, preserving adequate recall levels up to a minimum safe operating threshold. These findings support the potential use of low-cost perception systems for retrofit solutions in agricultural machinery