Uso de visão computacional na classificação de capim Xaraés segundo o status nutricional em nitrogênio

Autor(es)

Wellington Renato Mancin ^[1] ; Lilian Elgalise Techio Pereira ^[2] ; Rachel Santos Bueno Carvalho ^[3] ; Yeyin Shi ^[4] ; Wilson Manuel Castro Silupu ^[5] ; Adriano Rogério Bruno Tech ^[6]

Afiliação do(s) autor(es)

^[1] Departamento de Ciências Básicas (ZAB). Faculdade de Zootecnia e Engenharia de Alimentos (FZEA/USP) - Brasil

^[2] Departamento de Zootecnia (ZAZ). Faculdade de Zootecnia e Engenharia de Alimentos (FZEA/USP) - Brasil

^[3] Departamento de Ciências Básicas (ZAB). Faculdade de Zootecnia e Engenharia de Alimentos (FZEA/USP) - Brasil

^[4] University of Nebraska-Lincoln. Department of Biological Systems Engineering - Estados Unidos

^[5] Universidad Nacional de Frontera. Facultad de Ingeniería de Industrias Alimentarias - Peru

^[6] Departamento de Ciências Básicas (ZAB). Faculdade de Zootecnia e Engenharia de Alimentos (FZEA/USP) - Brasil

• Tipo de documento: Artigo Científico
• Fonte: Rev. Ciênc. Agron.; v. 53, 2021-11-24.

Resumo

RESUMO Este estudo baseia-se no princípio de que índices de vegetação (IVs), derivados do modelo de cores RGB obtidos de imagens digitais, podem ser usados para caracterizar assinaturas espectrais e classificar pastos de Brachiaria brizantha cv. Xaraés segundo o status de nitrogênio (N). A partir de dados colorimétricos obtidos de imagens de lâminas foliares adquiridas em campo, três redes neurais artificiais foram avaliadas quanto ao desempenho na classificação do status N: Feedforward Backpropagation (FFBP), Cascade Forward Backpropagation (CFBP) e função de Base Radial (RBFNN). Quatro taxa s de fertilização nitrogenada foram aplicadas para gerar contrastes no teor de N nos tecidos das plantas. As folhas mais jovens completamente expandidas de 60 perfilhos foram destacadas das plantas a cada ciclo de rebrotação de 28 dias, sendo as imagens das folhas e teor de N foliar determinados. As amostras foram classificadas em deficientes (> 17 g N kg-1 de matéria seca (MS)), moderadamente deficientes (de 17,1 a 20,0 g N kg-1 MS) e suficiente (> 20,1 g N kg-1 MS). Os IVs foram selecionados pela análise de componentes principais e o desempenho das redes avaliados pela acurácia. As acurácias nas classificações obtidas pelas redes foram de 88%, 86% e 79% para FFBP, CFBP e RBFNN, respectivamente, indicando que as assinaturas espectrais podem ser determinadas a partir de imagens adquiridas em campo. Assim, o método proposto pode ser utilizado para desenvolver um software de monitoramento do status de N em tempo real, fornecendo uma ferramenta rápida e econômica para definir o momento e quantidade de fertilizantes nitrogenados, conforme demanda da pastagem. (AU)

• Processo FAPESP: 20/00345-1 - Determinação do status de nitrogênio em pastagens de capim Mavuno por meio de análise de imagens utilizando redes neurais artificiais (RNAs)
• Beneficiário: Adriano Rogério Bruno Tech
• Modalidade de apoio: Auxílio à Pesquisa - Regular