O aumento da produção sem causar danos ao meio ambiente é um dos maiores desafios da agricultura moderna. Na produção de cana-de-açúcar, isso se torna mais nítido quando se trata do manejo de plantas daninhas, uma vez que o uso de herbicidas configura-se como a técnica mais adotada. Plantas daninhas causam interferência na produção agrícola, provocando redução na qualidade do produto e na produtividade da lavoura. Portanto, a identificação da espécie infestante, bem como o nível de infestação torna-se de grande importância para que estratégias adequadas de manejo possam ser definidas. Este trabalho foi realizado visando desenvolver e avaliar o desempenho de um sistema de processamento de imagens RGB, para identificar plantas daninhas na cultura de cana-de-açúcar e estimar a área de solo coberta por elas, uma vez que a existência de uma ferramenta computacional para reconhecimento de espécies de plantas é de grande auxílio para a tomada de decisão acerca do manejo de comunidades infestantes. A abordagem adotada para identificar plantas daninhas e cultura, baseou-se na metodologia do dicionário de palavras. Nesta metodologia, pontos invariantes e característicos de várias imagens são usados para criar um dicionário de características, o dicionário é usado depois para averiguar quais palavras dele estão presentes nas imagens a serem processadas. A quantização do número de palavras do dicionário presentes na imagem foi realizada através de uma função densidade de probabilidade e o modelo matemático de classificação foi construído por meio de máquinas de vetores de suporte.
Identificação de plantas daninhas em cana-de-açúcar por meio de processamento de imagens
Identificação de plantas daninhas em cana-de-açúcar por meio de processamento de imagens
Por Maximilian Grahl Lässig
14/07/2017 16h44 · Fonte: UNICAMP
Mais notícias de:Cana-de-açúcar