Aplicação de imagens RGB obtidas por VANT na cafeicultura de precisão

• Ano de defesa: 2020
• Autor(a) principal: Barbosa, Brenon Diennevan Souza
• Orientador(a): Ferraz, Gabriel Araújo e Silva
• Banca de defesa: Silva, Fábio Moreira da, Guimarães, Rubens José, Silva, Flávio Castro da, Carvalho, Luis Marcelo Tavares de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Agrícola
• Departamento: Departamento de Engenharia
• País: brasil
• Palavras-chave em Português: Sensoriamento remoto; Aprendizagem de máquina; Café - Previsão de produtividade; Café - Agricultura de precisão; Machine learning; Remote sensing; Coffee - Yield estimate; Coffee - Precision agriculture; Unmanned aerial vehicle images
• Área do conhecimento CNPq: Engenharia Agrícola
• Link de acesso: https://repositorio.ufla.br/handle/1/46267

O café é uma commoditie de importância significativa na balança comercial brasileira. Para dar incremento a produtividade do café novas tecnologias como sensores de solo, desenvolvimento de cultivares mais resistentes a pragas e a déficit hídrico, aplicação a taxa variável e monitoramento da cultura por meio de imagens são utilizados. O monitoramento agrícola por imagens em conjunto com técnicas de Sensoriamento Remoto (SR) traz grandes benefícios ao produtor, pelo fornecimento de informações no tempo desejado e resolução adequada para identificar e possibilitar soluções quanto às anomalias em campo, economizando recursos e garantindo a qualidade da produção. Neste cenário o uso de UAV (unmanned aerial vehicle) fornece ao agricultor o monitoramento preciso e no tempo ideal. Este trabalho teve como objetivo avaliar o uso e aplicação de uma UAV e de imagens RGB no monitoramento de uma lavoura de cafeeira, avaliando o comportamento de Índices de Vegetação (IV) e a predição da produtividade por meio de produtos derivados de imagens RGB. No artigo 1, foi avaliado o potencial de aplicação prática de UAV e IV RGB no monitoramento de uma lavoura de cafeeira durante um ciclo produtivo. Foram avaliados nove IV RGB, onde utilizou-se como métrica de seleção de IV a correlação de Pearson com o Índice de Área Foliar (IAF). Percebe-se pelos resultados que dentre os IV avaliados, o GLI e MPRI apresentaram maior correlação com o IAF (estimados por meio de parâmetros biofísicos derivados das imagens), mas ambas fracas. Durante as fases do ciclo de produção do café ambos IVs ilustram a variabilidade da cultura e do solo. O aumento de plantas daninhas também foi observado nas áreas marginais e entre as linhas de plantio. Esses resultados permitem inferir que o uso de um UAV e câmera RGB de baixo custo tem potencial para uso prático no monitoramento do café em seu ciclo de produção, permitindo ao gestor decidir por um manejo mais adequado da cultura de forma rápida e simples. Dado o potencial de uso de imagens UAV e RGB, no artigo 2 se investiga ainda mais o potencial de previsão da produtividade de café usando imagens RGB, na avaliação das variáveis: altura, diâmetro da copa (usado para estimar o IAF) e valores de brilho das bandas espectrais RGB e algoritmos de regressão múltipla em um período de 12 meses. Os resultados permitiram também concluir que o IAF e diâmetro de copa são mais influentes para gerar o modelo de predição, no qual foram usados quatro algoritmos de regressão diferentes - Máquinas de Vetor de Suporte Linear, Gradient Boosting Regression, Random Forest Regressão, Regressão Mínima Quadrada Parcial e um algoritmo genético - NEAT (Neuroevolution of augmenting topologies). O melhor resultado foi obtido com um erro médio percentual absoluto de 31% para o NEAT. As seleções de variáveis sugerem que um conjunto de dados do mês de dezembro foi o mais importante para o modelo de previsão de rendimento, reduzindo assim a necessidade de coleta extensiva de dados para todos os doze meses.