ANÁLISE DA COBERTURA DE PLANTAS DANINHAS UTILIZANDO VISÃO COMPUTACIONAL
DOI:
https://doi.org/10.63330/sasciencesv6n2-112Palavras-chave:
Agricultura de precisão, Plantas daninhas, Processamento digital de imagens, Sensoriamento agrícola, Visão computacionalResumo
O presente estudo aborda a determinação do percentual de cobertura de plantas daninhas por meio de imagens digitais aplicadas à agricultura de precisão. Trata-se de uma pesquisa aplicada que teve como objetivo desenvolver algoritmos capazes de realizar a aquisição automática e georreferenciada de imagens e determinar o percentual de cobertura de plantas daninhas, fornecendo informações para subsidiar a aplicação localizada de herbicidas. A metodologia consistiu no desenvolvimento de algoritmos no ambiente LabVIEW para aquisição simultânea de imagens e coordenadas de GPS, processamento digital das imagens, segmentação da vegetação, identificação das linhas de cultura e cálculo da cobertura de plantas daninhas. O sistema foi avaliado em uma área experimental cultivada com feijão, utilizando imagens obtidas por câmeras RGB e infravermelho próximo (NIR), cujos resultados foram analisados por meio de matrizes de confusão, exatidão global e índice Kappa. Os resultados demonstraram que os algoritmos permitiram automatizar a aquisição e o processamento das imagens, possibilitando determinar o percentual de cobertura de plantas daninhas nas entrelinhas. As imagens obtidas pela câmera RGB apresentaram maior desempenho de classificação em relação às imagens NIR, enquanto o sistema de plantio direto favoreceu a identificação da vegetação em ambas as câmeras. Conclui-se que os algoritmos desenvolvidos mostraram-se eficientes para estimar a cobertura de plantas daninhas, constituindo uma ferramenta de apoio às práticas de agricultura de precisão.
Downloads
Referências
BAIO, F.H.R. Aplicação localizada de defensivos baseada na variabilidade espacial das plantas daninhas. 2001. 113 f. Dissertação (Mestrado em Agronomia) – Escola Superior de Agricultura Luiz de Queiroz, Piracicaba, SP.
CONGALTON, R.G. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, n. 37, p. 35-46, 1991.
DUDA, R.O.; HART, P.E. Use of the Hough transformation to detect lines and curves in pictures. Communicationsofthe ACM, v. 15, n. 1, p. 11-15, 1972.
ESPINOSA, A.T.; PONCE, A.J.R.; REYES, M.M. Desarrollo de software para el manejo de información catastral. ReportesTécnicosenIngeniería del Software, v. 9, n. 1, p. 1-13, 2007.
FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED NATIONS – FAO. Disponível em: <http://www.fao.org/news/story/en/item/29402/icode/>. Acessoem: 11 jan. 2010.
GÉE, C.; BOSSU, J.; JONES, G.; TRUCHETET, F. Crop/weed discrimination in perspective agronomic images. ComputersandElectronics in Agriculture, v. 60, p. 49-59, 2008.
GOMES, O.F.M. Processamento e análise de imagens aplicados à caracterização automática de materiais.2001. 151 f. Dissertação (Mestrado em Ciências da Engenharia Metalúrgica) – Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, RJ.
HUDSON, W.D.; RAMM, C.W. Correct formulation of the kappa coefficient of agreement. Photogrammetric Engineering & Remote Sensing, v. 53, n. 4, p. 421-422, 1987.
LANDIS, J.R.; KOCH, G.G. The measurement of observer agreement for categorical data. Biometrics, v. 33, n. 1, p. 159-174, 1977.
MOLIN, J.P. Agricultura de precisão: fundamentos e estado atual da arte. In: CÂMARA, G.M. Soja: tecnologia da produção II. Piracicaba: ESALQ/Departamento de Produção Vegetal, 2000. p. 423-437.
RONCHI, C.P.; TERRA, A.A.; SILVA, A.A.; FERREIRA, L.R. Acúmulo de nutrientes pelo cafeeiro sob interferência de plantas daninhas. Planta Daninha,v. 21, n. 2, p. 219-227, 2003.
SHIRATSUCHI, L.S. Mapeamento da variabilidade espacial das plantas daninhas com a utilização de ferramentas da agricultura de precisão. 2001. 96 f. Dissertação (Mestrado em Agronomia) – Escola Superior de Agricultura Luiz de Queiroz, Piracicaba, SP.
TELLAECHE, A.; BURGOSARTIZZU, X.P.; PAJARES, G.; RIBEIRO, A.; FERNÁNDEZ-QUINTANILLA, C. A new vision-based approach to differential spraying in precision agriculture. Computers and Electronics in Agriculture, v. 60, p. 144-155, 2008.
WOEBBECKE, D.M.; MEYER, G.E.; VON BARGEN, K.; MORTESEN, D.A. Color indices for weed identification under various soil, residue, and lighting conditions. Transactions of the ASAE, v. 38, n. 1, p. 259-269, 1995.
YANG, X.; BEYENAL, H.; GARY, H.; LEWANDOWSKI, Z. Evaluation of biofilm image thresholding methods. WaterResearch, v. 35, p. 1149-1158, 2001.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Autores concordam com os seguintes termos:
a) Os autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a LicençaAttribution-NonCommercial-ShareAlike 4.0 International, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial na Revista SAS. A licença permite o uso, a distribuição e a reprodução irrestrita, em qualquer meio, desde que devidamente citada a fonte. Essa licença permite também que outros remixem, adaptem e criem a partir do seu trabalho para fins não comerciais, desde que atribuam a você o devido crédito e que licenciem as novas criações sob termos idênticos.
b) Não cabe aos autores compensação financeira a qualquer título, por artigos ou resenhas publicados na South American Sciences.
c) Os conceitos expressos nos artigos publicados na South American Sciences são de inteira responsabilidade de seus autores.
