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
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.
