Identificação de plantas daninhas em cana-de-açúcar por meio de processamento de imagens

• Processo: 12/20236-6
• Linha de fomento: Bolsas no Brasil - Doutorado
• Vigência (Início): 01 de outubro de 2013
• Vigência (Término): 31 de março de 2015
• Área do conhecimento: Ciências Agrárias - Engenharia Agrícola - Máquinas e Implementos Agrícolas
• Pesquisador responsável: Barbara Janet Teruel Mederos
• Beneficiário: Wesley Esdrar Santiago
• Instituição-sede: Faculdade de Engenharia Agrícola (FEAGRI). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Plantas invasoras Análise de imagens Agricultura de precisão Reconhecimento de padrões

Resumo

O aumento da produção sem causar danos ao meio ambiente é um dos maiores desafios da agricultura moderna. Na produção de cana-de-açúcar, isso se torna mais nítido quando se trata do manejo de plantas daninhas, uma vez que o uso de herbicidas configura-se como a técnica mais adotada. Plantas daninhas causam interferência na produção agrícola, provocando redução na qualidade do produto e na produtividade da lavoura. Portanto, a identificação da espécie infestante, bem como o nível de infestação torna-se de grande importância para que estratégias adequadas de manejo possam ser definidas. Este trabalho foi realizado visando desenvolver e avaliar o desempenho de um sistema de processamento de imagens RGB, para identificar plantas daninhas na cultura de cana-de-açúcar e estimar a área de solo coberta por elas, uma vez que a existência de uma ferramenta computacional para reconhecimento de espécies de plantas é de grande auxílio para a tomada de decisão acerca do manejo de comunidades infestantes. A abordagem adotada para identificar plantas daninhas e cultura, baseou-se na metodologia do dicionário de palavras. Nesta metodologia, pontos invariantes e característicos de várias imagens são usados para criar um dicionário de características, o dicionário é usado depois para averiguar quais palavras dele estão presentes nas imagens a serem processadas. A quantização do número de palavras do dicionário presentes na imagem foi realizada através de uma função densidade de probabilidade e o modelo matemático de classificação foi construído por meio de máquinas de vetores de suporte. Considerando as seguintes medidas de desempenho: exatidão global e coeficiente de Kappa, o sistema desenvolvido processou 435 imagens RGB, as quais foram obtidas de três cultivos experimentais contendo plantas de cana-de-açúcar, milho e seis espécies de plantas daninhas (Urochloa plantaginea, Urochloa decumbens, Panicum maximum, Euphorbia heterophylla, Ipomoea hederifolia e Ipomoea quamoclit). Os resultados obtidos demonstram que a metodologia possui alto poder para identificar e discriminar plantas daninhas e cultura, alcançando exatidão global e coeficiente Kappa de até 94% e 0,94, respectivamente. Estes resultados suportam a premissa de que um sistema de processamento de imagens é capaz de identificar plantas daninhas na cultura de cana-de-açúcar, estimar o nível de infestação e ainda servir como ferramenta para auxílio à tomada de decisão quanto ao manejo das espécies infestantes.

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

SANTIAGO, Wesley Esdrar. Identificação de plantas daninhas em cana-de-açúcar por meio de processamento de imagens. 2015. Tese de Doutorado - Universidade Estadual de Campinas. Faculdade de Engenharia Agrícola.