VISÃO ARTIFICIAL PARA A DIAGNOSE NUTRICIONAL DO MILHO CULTIVADO COM SILICATO DE CÁLCIO E MAGNÉSIO EM DOSES PONDERAIS E ALTAS DILUIÇÕES
DOI:
https://doi.org/10.18011/bioeng2020v14n1p36-47Palavras-chave:
agricultura de precisão, processamento de imagens digitais, classificador estatístico, homeopatiaResumo
A hipótese do presente trabalho foi que um sistema de visão artificial fosse capaz de caracterizar a deficiência nutricional na folha do milho, sob preparados homeopáticos, com a utilização das propriedades espectrais da cultura. O trabalho, realizado na Faculdade de Zootecnia e Engenharia de Alimentos (FZEA) – Universidade de São Paulo (USP), em Pirassununga/SP/Brasil estudou o comportamento nutricional da cultura do milho (Zea mays L.), hibrido Biogene 7049H. O delineamento experimental utilizado foi o blocos ao acaso com 6 tratamentos: silicato de cálcio e magnésio, nas seguintes dinamizações CH6 (diluição a 10- 12), CH9 (diluição a 10-18), CH12 (diluição a 10-24) e CH15 (diluição a 10-30), um tratamento controle sem aplicação de silício e um tratamento com silicato de cálcio e magnésio na dose de 1 t ha-1, com 10 repetições. As folhas de milho foram digitalizadas por "scanner" e o processamento das imagens foi realizado pelo programa MATLAB®. Três diferentes tamanhos de blocos de imagem foram testados 9 x 9; 20 x 20 e 40 x 40 "pixels". Os melhores resultados foram alcançados pelos blocos de 40 x 40 "pixels".
Downloads
Referências
ANVISA - Agencia Nacional de Vigilância Sanitária: FARMACOPEIA Homeopática brasileira. Brasília. 364p, 2011.
CONAB – Companhia Nacional de Abastecimento: Acompanhamento da Safra Brasileira de Grãos. Brasilia, Conab, 127p, 2018.
CONGALTON, R. G.; A review of assessing the accuracy of classifications of remotely sensed data. Remote sensing thematic accuracy assessment, v. 37 (1): 35-46, 1991.
GONZALEZ, R. C.; WOODS, R. E.; (1992) Digital image processing. Massachusetts, Addison-Wesley Publishing Company. 716p, 1992.
KHATTREE, R.; MAIK, D. N.; Multivariate data reduction and discrimination with SAS software. Cary, SAS Institute Inc. 584p, 2000.
LE REST K.; PINAUD D.; MONESTIEZ P.; CHADOEUF J.; B.; Spatial leave-one-out cross-validation forvariable selection in the presence ofspatial autocorrelation. Global Ecology and Biogeography, v. 23 (7): 811-820, 2014.
MIRANDA, P.S.; MORAES, T. R.; SANTOS, J. R. E.; CARVALHO, F. D.; VIANA, J. P.; PÉREZ-MALUF, R.; Aplicação de silício na cultura do milho. Revista Ciência Agroambiental, v. 16 (1): 2-6, 2018.
ROMUALDO, L. M.; LUZ, P. H. C.; BAESSO, M. M.; DEVECHIO, F. F. S.; BET, J. A.; Spectral indexes for identification of nitrogen deficiency in maize. Revista Ciência Agronômica, v. 49 (2): 183-191, 2018.
ROMUALDO, L. M.; LUZ, P. H. C.; DEVECHIO, F. F.S.; MARIN, M. A.; ZÚNIGA, A. M. G.; BRUNO, O. M.; HERLING, V. R.; Use of artificial vision techniques for diagnostic of nitrogen nutritional status in maize plants. Computers and Electronics in Agriculture, v. 104 (2): 63-70, 2014.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Revista Brasileira de Engenharia de Biossistemas
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.