Semantic segmentation of coffee canopies using UAV multispectral imagery and U-Net

Abstract

Coffee production in Brazil requires efficient monitoring tools, especially in regions with heterogeneous terrain and planting patterns. Accurate delineation of coffee canopies from UAV imagery is essential for extracting reliable agronomic information and supporting precision agriculture practices. Multispectral UAV images were acquired over a commercial coffee farm in the Matas de Minas region, Brazil. An orthomosaic was generated and manually annotated to create binary ground-truth masks of coffee canopies. A U-Net convolutional neural network was trained using multispectral bands and the Normalized Difference Vegetation Index (NDVI) as input. Model performance was evaluated using Dice coefficient, Intersection over Union (IoU), precision, recall, and accuracy. The proposed model achieved a Dice coefficient of 0.89, IoU of 0.83, and overall accuracy above 0.92. The predicted coffee canopy area (1.50 ha) was consistent with the reference area obtained from manual annotation (1.45 ha), indicating reliable canopy delineation under heterogeneous field conditions. The results demonstrate that semantic segmentation using multispectral UAV imagery and a U-Net model is an effective and applicable approach for coffee canopy mapping, with potential use in precision agriculture and farm-scale decision-support systems.

A produção de café no Brasil requer ferramentas eficientes de monitoramento, especialmente em regiões com relevo heterogêneo e diferentes padrões de plantio. A delimitação precisa das copas de cafeeiros a partir de imagens obtidas por veículos aéreos não tripulados (VANTs) é essencial para a extração de informações agronômicas confiáveis e para o suporte às práticas de agricultura de precisão. Imagens multiespectrais obtidas por VANT foram adquiridas em uma fazenda comercial de café na região das Matas de Minas, Brasil. Um ortomosaico foi gerado e anotado manualmente para a criação de máscaras binárias de referência das copas dos cafeeiros. Uma rede neural convolucional U-Net foi treinada utilizando bandas multiespectrais e o Índice de Vegetação por Diferença Normalizada (NDVI) como dados de entrada. O desempenho do modelo foi avaliado por meio do coeficiente Dice, Interseção sobre União (IoU), precisão, recall e acurácia. O modelo proposto alcançou coeficiente Dice de 0,89, IoU de 0,83 e acurácia global superior a 0,92. A área de copa de cafeeiros predita (1,50 ha) foi consistente com a área de referência obtida por anotação manual (1,45 ha), indicando delimitação confiável das copas sob condições heterogêneas de campo. Os resultados demonstram que a segmentação semântica utilizando imagens multiespectrais obtidas por VANT e o modelo U-Net constitui uma abordagem eficaz e aplicável para o mapeamento de copas de cafeeiros, com potencial de uso na agricultura de precisão e em sistemas de apoio à tomada de decisão em escala agrícola.