Купить СНПЧ А7 Архангельск, оперативня доставка

crosscheckdeposited

Determinação do Nível de Deficiência Nutricional de Nitrogênio no Feijoeiro Utilizando Redes Neurais Artificiais

DOI: http://dx.doi.org/10.13083/1414-3984.v20n06a03

http://www.seer.ufv.br/seer/index.php/reveng/index 

downloadpdf

Murilo M. Baesso1, Carlos A. A. Varella2, Guilherme A. Martins3, Alcir J. Modolo4 & Evandro M. Brandelero5

 

Resumo: O objetivo desse trabalho foi identificar a deficiência nutricional de nitrogênio no feijoeiro utilizando índices espectrais e técnicas de processamento de imagens digitais. Para isso, foram desenvolvidas redes neurais artificiais com diferentes números de neurônios. Após a aquisição das imagens por uma câmera digital, elas eram cortadas em blocos com tamanho de 20x20 e 40x40 pixels. As redes neurais artificiais conseguiram identificar as diferentes doses de nitrogênio aplicados nas plantas. Os resultados obtidos usando imagens adquiridas com 30 e 40 dias após a emergência não foram diferentes.

Palavras-chave: agricultura de precisão, Phaseolus vulgaris, processamento de imagens digitais e sensoriamento remoto

 

Abstract: The objective of this study was to identify nutritional deficiency of nitrogen in bean using spectral indices and techniques of digital image processing. For that it was developed artificial neural networks with different numbers of neurons. Following the acquisition of images by a digital camera, they were cut into blocks with size of 20x20 and 40x40 pixels. Artificial neural networks were able to identify the different levels of nitrogen applied in the plants. The results using images acquired with 30 and 40 days after emergence were not different.

Key words: precision agriculture, Phaseolus vulgaris, digital image processing and remote sensing

 

1 Engo Agrônomo, Prof. Doutor, Departamento de Zootecnia – USP/FZEA, baesso@usp.br
2 Engo Agrônomo, Prof. Doutor, Departamento de Engenharia, UFRRJ, Seropédica-RJ
3 Graduando em Engenharia de Biossistemas, Departamento de Zootecnia – USP/FZEA, Pirassununga – SP
4 Engo Agrônomo, Prof. Doutor, Universidade Tecnológica Federal do Paraná – UTFPR Via do Conhecimento
5 Engo Agrônomo, Prof. Doutor, Universidade Tecnológica Federal do Paraná – UTFPR Dois Vizinhos

 

Literatura Citada

BARBOSA FILHO, M.P.; SILVA, O.F. da. Adubação e calagem para feijoeiro em solo de cerrado. Pesquisa agropecuária brasileira, Brasília, v.35, n.7, p.1317-1324, jul. 2000.

BRAGA, A.P.; CARVALHO, A.C.P.L.F.; LUDEMIR, T.B. Redes neurais artificiais teoria e aplicações. Rio de Janeiro: LTC – livros técnicos e Científicos Editora S.A., 2000, 262p.

CONGALTON, R.G.; Mead, R.A. A quantitative method to test for consistency and correctness in photointerpretation. Photogrammetric Engineering & Remote Sensing, Bethesda, v.49, n.1, p.69-74, ago. 1983.

FAO. FAOSTAT. http://faostat.fao.org/ acesso em: 15 de maio de 2009.

HUDSON, W.D.; RAMM, C.W. Correct formulation of the kappa coefficient of agreement. Photogrammetric Engineering & Remote Sensing, Bethesda v.53, n.4p.421-422, jun. 1987.

KHATTREE, R. E; MAIK, D.N. Multivariate data reduction and Discrimination with SAS software. Cary: SAS Institute Inc., 2000. 558p.

MARQUES FILHO, O.; VIEIRA NETO, H. Processamento digital de imagens. Rio de Janeiro: Editora Brasport, 1999, 406p.

OLIVEIRA, I.P. de; FAGERIA, N.K.I.V. Calagem e Adubação. In: MOREIRA, J.A.A.; STONE, L.F.; BIAVA, M. (eds.). Feijão: o produtor pergunta a Embrapa responde. Brasília, 2003, p.39-53.

ORLANDO, R.C. Sistema de visão artificial para discriminação entre plantas daninhas e milho. 2003. 85f. Dissertação (doutorado em Engenharia Agrícola). Universidade Federal de Viçosa, 2003.