Processamento digital de imagens para inferência de risco de doença fúngica da bananicultura
Ano de defesa: | 2012 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de São Carlos
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Ciência da Computação - PPGCC
|
Departamento: |
Não Informado pela instituição
|
País: |
BR
|
Palavras-chave em Português: | |
Palavras-chave em Inglês: | |
Área do conhecimento CNPq: | |
Link de acesso: | https://repositorio.ufscar.br/handle/ufscar/518 |
Resumo: | The digital image processing has been used to solve a significant number of problems in the agricultural sector, especially with the evolution of remote sensing systems. This work presents a computational model based on digital image processing and remote sensing to infer about the risk in the agricultural environment. To validate the method, a experimental study was conducted about the risk of fungal disease in banana plantations. Temporal series of meteorological and monitoring data of the disease, organized in classes for the definition of probability distribution models, based on polynomial functions were used to validate results as well as satellite images integrated by fusion techniques, geometric corrections and re-sampling with interpolators based on kriging techniques. Fusion methods by IHS (Intensity, Hue, and Saturation) and PCA (Principal Component Analysis) and the Gaussian models, exponential and cylindrical for the ordinary kriging were tested. The IHS fusion technique demonstrated to be more interesting in relation the PCA technique, with correlation coefficients between bands 2, 3 and 4 originals and hybrids, of 0.2318, 0.0304 and 0.1800, respectively. The method of ordinary kriging for re-sampling of the images showed better results when adjusted by the Gaussian model. The proposed method is feasible to the development of risk maps of disease occurrence, since confer spatial and temporal variability in relation to the model existing on the literature for the region. |
id |
SCAR_58b89a21f30eb414a1471ad89048b0f3 |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/518 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
|
spelling |
Bendini, Hugo do NascimentoCruvinel, Paulo Estevãohttp://genos.cnpq.br:12010/dwlattes/owa/prc_imp_cv_int?f_cod=K4788587J6http://lattes.cnpq.br/02603275213762552016-06-02T19:06:02Z2013-02-202016-06-02T19:06:02Z2012-06-11BENDINI, Hugo do Nascimento. Processamento digital de imagens para inferência de risco de doença fúngica da bananicultura. 2012. 149 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2012.https://repositorio.ufscar.br/handle/ufscar/518The digital image processing has been used to solve a significant number of problems in the agricultural sector, especially with the evolution of remote sensing systems. This work presents a computational model based on digital image processing and remote sensing to infer about the risk in the agricultural environment. To validate the method, a experimental study was conducted about the risk of fungal disease in banana plantations. Temporal series of meteorological and monitoring data of the disease, organized in classes for the definition of probability distribution models, based on polynomial functions were used to validate results as well as satellite images integrated by fusion techniques, geometric corrections and re-sampling with interpolators based on kriging techniques. Fusion methods by IHS (Intensity, Hue, and Saturation) and PCA (Principal Component Analysis) and the Gaussian models, exponential and cylindrical for the ordinary kriging were tested. The IHS fusion technique demonstrated to be more interesting in relation the PCA technique, with correlation coefficients between bands 2, 3 and 4 originals and hybrids, of 0.2318, 0.0304 and 0.1800, respectively. The method of ordinary kriging for re-sampling of the images showed better results when adjusted by the Gaussian model. The proposed method is feasible to the development of risk maps of disease occurrence, since confer spatial and temporal variability in relation to the model existing on the literature for the region.O processamento de imagens digitais tem auxiliado na solução de um expressivo número de problemas do setor agrícola, sobretudo com a evolução dos sistemas de sensoriamento remoto. Este trabalho tem por objetivo apresentar um modelo computacional baseado em processamento digital de imagens e sensoriamento remoto para inferência de risco em ambiente agrícola. Para validação do método, foi realizado estudo experimental sobre o risco de ocorrência da doença fúngica em bananais. Foram utilizadas séries temporais de dados meteorológicos e de monitoramento da doença, organizados em classes para a definição de modelos de distribuição de probabilidades, baseados em funções polinomiais, bem como imagens de satélites, organizadas com técnicas de fusão, correções geométricas e re-amostragem, com interpoladores baseados em técnicas de krigagem. Foram testados os métodos de fusão por IHS (Intensity, Hue, Saturation) e PCA (Principal Component Analysis), bem como os modelos gaussiano, exponencial e cilíndrico para a krigagem ordinária. A técnica de fusão por IHS demonstrou-se mais interessante em relação à técnica por PCA, apresentando coeficientes de correlação entre as bandas 2, 3 e 4 originais e híbridas, de 0,2318, 0,0304 e 0,1800, respectivamente. O método de krigagem ordinária para reamostragem das imagens apresentou melhores resultados quando ajustado pelo modelo gaussiano. A metodologia proposta se apresentou viável e adequada para a elaboração de mapas de risco de ocorrência da doença, uma vez que conferece variabilidade espacial e temporal ao modelo já existente na literatura para aquela região.Financiadora de Estudos e Projetosapplication/pdfporUniversidade Federal de São CarlosPrograma de Pós-Graduação em Ciência da Computação - PPGCCUFSCarBRProcessamento de imagensFusão de imagensSensoriamento remotoModelos de riscoKrigagemModelos de probabilidadeRisco climáticoSigatoka-NegraImage processingImage FusionRemote SensingModels of ProbabilityClimatic RiskBlack SigatokaRisk ModelCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOProcessamento digital de imagens para inferência de risco de doença fúngica da bananiculturainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINAL4859.pdfapplication/pdf3995047https://{{ getenv "DSPACE_HOST" "repositorio.ufscar.br" }}/bitstream/ufscar/518/1/4859.pdfd6fe8fefac57632109ba02702cb2a16aMD51THUMBNAIL4859.pdf.jpg4859.pdf.jpgIM Thumbnailimage/jpeg9495https://{{ getenv "DSPACE_HOST" "repositorio.ufscar.br" }}/bitstream/ufscar/518/2/4859.pdf.jpg05d132a01ecd5c59a556f45ba7b71dbbMD52ufscar/5182020-03-23 19:49:37.25oai:repositorio.ufscar.br:ufscar/518Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-05-25T12:43:22.256132Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Processamento digital de imagens para inferência de risco de doença fúngica da bananicultura |
title |
Processamento digital de imagens para inferência de risco de doença fúngica da bananicultura |
spellingShingle |
Processamento digital de imagens para inferência de risco de doença fúngica da bananicultura Bendini, Hugo do Nascimento Processamento de imagens Fusão de imagens Sensoriamento remoto Modelos de risco Krigagem Modelos de probabilidade Risco climático Sigatoka-Negra Image processing Image Fusion Remote Sensing Models of Probability Climatic Risk Black Sigatoka Risk Model CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Processamento digital de imagens para inferência de risco de doença fúngica da bananicultura |
title_full |
Processamento digital de imagens para inferência de risco de doença fúngica da bananicultura |
title_fullStr |
Processamento digital de imagens para inferência de risco de doença fúngica da bananicultura |
title_full_unstemmed |
Processamento digital de imagens para inferência de risco de doença fúngica da bananicultura |
title_sort |
Processamento digital de imagens para inferência de risco de doença fúngica da bananicultura |
author |
Bendini, Hugo do Nascimento |
author_facet |
Bendini, Hugo do Nascimento |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://lattes.cnpq.br/0260327521376255 |
dc.contributor.author.fl_str_mv |
Bendini, Hugo do Nascimento |
dc.contributor.advisor1.fl_str_mv |
Cruvinel, Paulo Estevão |
dc.contributor.advisor1Lattes.fl_str_mv |
http://genos.cnpq.br:12010/dwlattes/owa/prc_imp_cv_int?f_cod=K4788587J6 |
contributor_str_mv |
Cruvinel, Paulo Estevão |
dc.subject.por.fl_str_mv |
Processamento de imagens Fusão de imagens Sensoriamento remoto Modelos de risco Krigagem Modelos de probabilidade Risco climático Sigatoka-Negra |
topic |
Processamento de imagens Fusão de imagens Sensoriamento remoto Modelos de risco Krigagem Modelos de probabilidade Risco climático Sigatoka-Negra Image processing Image Fusion Remote Sensing Models of Probability Climatic Risk Black Sigatoka Risk Model CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
dc.subject.eng.fl_str_mv |
Image processing Image Fusion Remote Sensing Models of Probability Climatic Risk Black Sigatoka Risk Model |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
The digital image processing has been used to solve a significant number of problems in the agricultural sector, especially with the evolution of remote sensing systems. This work presents a computational model based on digital image processing and remote sensing to infer about the risk in the agricultural environment. To validate the method, a experimental study was conducted about the risk of fungal disease in banana plantations. Temporal series of meteorological and monitoring data of the disease, organized in classes for the definition of probability distribution models, based on polynomial functions were used to validate results as well as satellite images integrated by fusion techniques, geometric corrections and re-sampling with interpolators based on kriging techniques. Fusion methods by IHS (Intensity, Hue, and Saturation) and PCA (Principal Component Analysis) and the Gaussian models, exponential and cylindrical for the ordinary kriging were tested. The IHS fusion technique demonstrated to be more interesting in relation the PCA technique, with correlation coefficients between bands 2, 3 and 4 originals and hybrids, of 0.2318, 0.0304 and 0.1800, respectively. The method of ordinary kriging for re-sampling of the images showed better results when adjusted by the Gaussian model. The proposed method is feasible to the development of risk maps of disease occurrence, since confer spatial and temporal variability in relation to the model existing on the literature for the region. |
publishDate |
2012 |
dc.date.issued.fl_str_mv |
2012-06-11 |
dc.date.available.fl_str_mv |
2013-02-20 2016-06-02T19:06:02Z |
dc.date.accessioned.fl_str_mv |
2016-06-02T19:06:02Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
BENDINI, Hugo do Nascimento. Processamento digital de imagens para inferência de risco de doença fúngica da bananicultura. 2012. 149 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2012. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/518 |
identifier_str_mv |
BENDINI, Hugo do Nascimento. Processamento digital de imagens para inferência de risco de doença fúngica da bananicultura. 2012. 149 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2012. |
url |
https://repositorio.ufscar.br/handle/ufscar/518 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Carlos |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Ciência da Computação - PPGCC |
dc.publisher.initials.fl_str_mv |
UFSCar |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade Federal de São Carlos |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSCAR instname:Universidade Federal de São Carlos (UFSCAR) instacron:UFSCAR |
instname_str |
Universidade Federal de São Carlos (UFSCAR) |
instacron_str |
UFSCAR |
institution |
UFSCAR |
reponame_str |
Repositório Institucional da UFSCAR |
collection |
Repositório Institucional da UFSCAR |
bitstream.url.fl_str_mv |
https://{{ getenv "DSPACE_HOST" "repositorio.ufscar.br" }}/bitstream/ufscar/518/1/4859.pdf https://{{ getenv "DSPACE_HOST" "repositorio.ufscar.br" }}/bitstream/ufscar/518/2/4859.pdf.jpg |
bitstream.checksum.fl_str_mv |
d6fe8fefac57632109ba02702cb2a16a 05d132a01ecd5c59a556f45ba7b71dbb |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1767351054419099648 |