Processamento de imagens hiperespectrais para diferenciação dos agentes causais da antracnose e ramulose do algodoeiro.

• Ano de defesa: 2016
• Autor(a) principal: AIRES, Priscila Simone Ribeiro.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Tecnologia e Recursos Naturais - CTRN; PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA; UFCG
• Palavras-chave em Português: Processamento de imagens hiperespectrais; Imagens hiperespectrais; Algodoeiro; Antracnose - algodoeiro; Ramulose - algodoeiro; Cultura do algodoeiro; Cultura do algodão; Taxonomia de fungos; Microrganismos; Hiperespectroscopia; Análise multivariada; Fungos; Hyperspectral image processing; Hyperspectral imaging; Cotton; Anthracnose - cotton plant; Ramulose - cotton plant; Cotton crop; Cotton culture; Taxonomy of fungi; Microorganisms; Hyperspectroscopy; Multivariate analysis; Fungi; Engenharia de Agrícola
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/28066

Esse trabalho descreve um novo método para diferenciação de forma precisa e rápida dos fungos C. gossypii (CG) e C. gossypii var. cephalosporioides (CGC) crescidos em meio de cultura utilizando imagens hiperespectrais NIR e análise multivariada de reconhecimento de padrões. Foram empregados 5 isolados de CG e 46 de CGC. . Os diferentes isolados de CG e CGC foram cultivados em meio Czapek-agar com 12 h de fotoperíodo durante 15 dias. As medidas espectrais foram realizadas entre 1000 a 2500 nm, com 256 bandas, com uma câmera de alta performance com lente de 50 mm. Os modelos de reconhecimento de padrão foram desenvolvidos com as estratégias de APSLDA e SIMCA. As amostras foram separadas usando o algoritmo de seleção de amostras em três conjuntos com o número de amostras: 3, 1 e 1 para CG e 20, 8, 18 para CGC, totalizando 23 (Teste), 9 (Validação) e 19 (Predicão) que somam 51 amostras dos fungos CG e CGC. Os resultados de predição evidenciaram um erro tipo II para o conjunto CG no modelo SIMCA. Enquanto com o APS-LDA não ocorreram erros de classificação. No conjunto CGC com um número de 18 amostras de predição não foram verificados erros do tipo I e II empregando as estratégias do APS-LDA e SIMCA. Uma validação paralela dos resultados obtidos com APS-LDA foi realizada com análise de BoxPlot com as variáveis selecionadas pelo APS. Os resultados foram concordantes sem evidência de outlies. Portanto, um novo procedimento HSI e APS-LDA para diferenciação dos agentes etiliológicos CG e CGG é proposto com as vantagens de maior capacidade analítica com múltiplas análises e menor custo observando-se grandes números de amostras, rapidez e facilidade de implementação.