Um sistema de visão computacional para reconhecimento de doenças da soja usando VANTs: resultados preliminares

Revista Caribeña de Ciencias Sociales Pub Date : 2023-08-21 DOI:10.55905/rcssv12n3-016

Everton Castelão Tetila, B. Machado, Gercina Gonçalves Da Silva, Hemerson Pistori, Nícolas Alessandro de Souza Belete, Juliana Queiroz da Silva Tetila, J. G. A. Barbedo

{"title":"Um sistema de visão computacional para reconhecimento de doenças da soja usando VANTs: resultados preliminares","authors":"Everton Castelão Tetila, B. Machado, Gercina Gonçalves Da Silva, Hemerson Pistori, Nícolas Alessandro de Souza Belete, Juliana Queiroz da Silva Tetila, J. G. A. Barbedo","doi":"10.55905/rcssv12n3-016","DOIUrl":null,"url":null,"abstract":"A soja tem sido a principal commoditie agrícola brasileira, contribuindo substancialmente para a balança comercial do país. Apesar disso, doenças foliares tem prejudicado o alto rendimento da produção de soja, ocasionando a depreciação do produto final. Este artigo propõe um sistema de visão computacional para monitorar as doenças foliares da soja no campo, utilizando imagens capturadas por um VANT de baixo custo, modelo DJI Phantom 3. O sistema proposto baseia-se no método de segmentação SLIC para detectar folhas de plantas nas imagens e atributos visuais para descrever as características de propriedades físicas da folha, tais como cor, gradiente, textura e forma. Nossa metodologia avaliou o desempenho de seis classificadores, usando imagens capturadas a 2 metros de altura da plantação. Os resultados experimentais mostraram que os atributos de cor e textura levam a taxas de classificação mais altas, atingindo a precisão de 97,8%. Os resultados indicam que nossa abordagem pode apoiar especialistas e agricultores no monitoramento de doenças da cultura de soja.","PeriodicalId":144733,"journal":{"name":"Revista Caribeña de Ciencias Sociales","volume":"81 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-08-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Caribeña de Ciencias Sociales","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.55905/rcssv12n3-016","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

A soja tem sido a principal commoditie agrícola brasileira, contribuindo substancialmente para a balança comercial do país. Apesar disso, doenças foliares tem prejudicado o alto rendimento da produção de soja, ocasionando a depreciação do produto final. Este artigo propõe um sistema de visão computacional para monitorar as doenças foliares da soja no campo, utilizando imagens capturadas por um VANT de baixo custo, modelo DJI Phantom 3. O sistema proposto baseia-se no método de segmentação SLIC para detectar folhas de plantas nas imagens e atributos visuais para descrever as características de propriedades físicas da folha, tais como cor, gradiente, textura e forma. Nossa metodologia avaliou o desempenho de seis classificadores, usando imagens capturadas a 2 metros de altura da plantação. Os resultados experimentais mostraram que os atributos de cor e textura levam a taxas de classificação mais altas, atingindo a precisão de 97,8%. Os resultados indicam que nossa abordagem pode apoiar especialistas e agricultores no monitoramento de doenças da cultura de soja.

查看原文本刊更多论文

利用无人机识别大豆病害的计算机视觉系统:初步结果

大豆一直是巴西的主要农产品，对该国的贸易平衡做出了重大贡献。然而，叶面病害损害了大豆生产的高产，导致最终产品贬值。本文提出了一种利用低成本无人机DJI Phantom 3模型捕获的图像监测大豆叶面病害的计算机视觉系统。该系统基于SLIC分割方法检测植物叶片的图像和视觉属性，描述叶片的物理属性特征，如颜色、梯度、纹理和形状。我们的方法评估了6个分类器的性能，使用的图像捕捉到2米高的种植园。实验结果表明，颜色和质地属性的分类率较高，准确率达到97.8%。结果表明，我们的方法可以支持专家和农民监测大豆病害。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Revista Caribeña de Ciencias Sociales

自引率

0.00%

发文量