Publicação: Delimitação de unidades de manejo da doença greening em pomares de laranja usando imagens RGB
Carregando...
Arquivos
Data
Autores
Orientador
Silva, Rouverson Pereira da
Coorientador
Pós-graduação
Curso de graduação
Engenharia Agronômica - FCAV
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
A detecção precoce de arvores infectadas com a doença citrus greening ainda é um problema, que se não identificado previamente pode reduzir a produtividade da cultura tornando-a inviável para comercialização. Após a infecção da planta o tempo para identificação dos primeiros sintomas é lento tornando-se difícil a identificação da doença previamente. Para detecção das plantas infectadas em uma lavoura é recomendável realizar, no mínimo, seis inspeções em todas as plantas cítricas, durante o ano todo. Uma dificuldade é encontrar mão-de-obra qualificada e motivada para realizar a inspeção com qualidade e uma das limitações é a subjetividade da avaliação que pode acarretar erros da ordem de 50% ou mais. Tornando-se necessário explorar novos métodos inteligentes para identificação das regiões infectadas de forma automatizada. Esse trabalho teve por objetivo avaliar o potencial do uso de imagens RGB de baixa altitude para delimitar unidades de gerenciamento da doença citrus greening, estabelecendo relações funcionais entre as unidades de gerenciamento com as possíveis regiões infectadas. O projeto foi conduzido durante o ciclo de produção da laranja em um pomar comercial localizado na região do município de Cajobi-SP. Sendo desenvolvido em três etapas: amostragem de plantas infectadas em campo com uso do GPS, treinamento do algoritmo aprendizado profundo para identificação automática das plantas com sintomas e, por fim, a comparação da identificação dos sintomas realizadas manualmente e por meio das imagens de drone. Os resultados obtidos mostram que é possível realizar a identificação automática das plantas infectadas. O algoritmo de detecção apresentou resultados mais assertivos em plantas com sintomas avançados mostrando assim um déficit para a detecção de plantas com poucos sintomas visíveis. Nosso projeto confirma que é possível identificar automaticamente as plantas que apresentam sintomas avançados da doença citrus greening em imagens de drone. No entanto, mais pesquisas são necessárias para identificar as plantas doentes antes dos sintomas visíveis aparecerem, o que poderia auxiliar na delimitação de unidades de gerenciamento.
Resumo (inglês)
The early detection of trees infected with the citrus greening disease is still a problem, which, if not previously identified, can reduce the productivity of the crop. After plant infection, the time for identification of the first symptoms is slow, making it difficult to identify the disease in advanced stage. To detect infected plants in the field, is recommended to do at least six inspections in all citrus plants, throughout the year. One difficulty is finding qualified and motivated labor to carry out the interference with quality and one of the limitations is the subjectivity of the manual evaluation, which can lead to errors of around 50% or more. Becoming necessary to explore new intelligent methods for identifying infected regions in an automated way. This work aimed to evaluate the potential of using low-altitude RGB images to delimit citrus greening disease management units, establishing working relationships between the management units and the possible infected regions. The project was controlled during the orange production cycle in a commercial orchard located in the region of Cajobi-SP. Being developed in three stages: biological of infected plants in the field using GPS, training of the deep algorithm for automatic identification of plants with symptoms, and, finally, the comparison of the identification of symptoms performed manually and through drone images. The results obtained show that it is possible to carry out the automatic identification of infected plants. The detection algorithm presented more assertive results in plants with advanced symptoms, thus showing a deficit for the detection of plants with few visible symptoms. Our project confirms that it is possible to automatically identify plants showing advanced symptoms of citrus greening disease in drone images. However, more research is needed to identify diseased plants before apparent symptoms appear, which could aid in delimiting management units.
Descrição
Palavras-chave
Sensoriamento remoto, Agricultura de precisão, Inteligência articial
Idioma
Português
