Identificação dos sintomas de ferrugem em áreas cultivadas com cana-de-açúcar

Detalhes bibliográficos
Ano de defesa: 2004
Autor(a) principal: Dias, Desirée Nagliati
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
classificação por redes neurais
colours
cores
extração de característica
feature extraction
neural network classification
segmentação
segmentation
Link de acesso: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19052004-134621/
Resumo: Áreas cultivadas com cana-de-açúcar podem sofrer o ataque do fungo Puccinia melanocephala e variedades suscetíveis desenvolvem uma doença conhecida por ferrugem da cana-de-açúcar. Por afetar, geralmente, áreas imensas, os prejuízos são grandes. Atualmente, a avaliação da doença é feita por especialistas que percorrem as áreas plantadas analisando visualmente as folhas e atribuindo à região um determinado grau de infecção. Esse modelo pode ser considerado subjetivo pois, dependendo da experiência e acuidade visual do especialista, a avaliação de uma mesma área pode apresentar resultados divergentes. Diante desta situação, este trabalho apresenta uma abordagem para automatizar o processo de identificação e avaliação, criando alternativas para minimizar os prejuízos. Este trabalho apresenta um método para classificação dos níveis de infecção da ferrugem por meio da análise de imagens aéreas de canaviais, adquiridas por um aeromodelo. Dessas fotos são extraídas características baseadas nas cores, as quais são classificadas por meio de uma rede neural backpropagation. Além disso, foi implementado um método para segmentação de imagens digitais de folhas de cana-de-açúcar infectadas com o intuito de corroborar a avaliação manual feita por especialistas. Os resultados mostram que o método é eficaz na discriminação dos três níveis de infecção disponíveis, além disso, indicam que este pode ser igualmente eficiente na discriminação dos nove níveis de infecção da escala adotada.
id USP_d2d50ba135f340b25098fac98337c216
oai_identifier_str oai:teses.usp.br:tde-19052004-134621
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Identificação dos sintomas de ferrugem em áreas cultivadas com cana-de-açúcar Identification of symptoms of rust in sugar cane plantations.classificação por redes neuraiscolourscoresextração de característicafeature extractionneural network classificationsegmentaçãosegmentationÁreas cultivadas com cana-de-açúcar podem sofrer o ataque do fungo Puccinia melanocephala e variedades suscetíveis desenvolvem uma doença conhecida por ferrugem da cana-de-açúcar. Por afetar, geralmente, áreas imensas, os prejuízos são grandes. Atualmente, a avaliação da doença é feita por especialistas que percorrem as áreas plantadas analisando visualmente as folhas e atribuindo à região um determinado grau de infecção. Esse modelo pode ser considerado subjetivo pois, dependendo da experiência e acuidade visual do especialista, a avaliação de uma mesma área pode apresentar resultados divergentes. Diante desta situação, este trabalho apresenta uma abordagem para automatizar o processo de identificação e avaliação, criando alternativas para minimizar os prejuízos. Este trabalho apresenta um método para classificação dos níveis de infecção da ferrugem por meio da análise de imagens aéreas de canaviais, adquiridas por um aeromodelo. Dessas fotos são extraídas características baseadas nas cores, as quais são classificadas por meio de uma rede neural backpropagation. Além disso, foi implementado um método para segmentação de imagens digitais de folhas de cana-de-açúcar infectadas com o intuito de corroborar a avaliação manual feita por especialistas. Os resultados mostram que o método é eficaz na discriminação dos três níveis de infecção disponíveis, além disso, indicam que este pode ser igualmente eficiente na discriminação dos nove níveis de infecção da escala adotada.Cultivated areas of sugar cane may be targeted by the fungus Puccinia melanocephala and susceptible varieties may develop a disease known as sugar cane rust. Because the disease affects, in general, very large areas, the losses are very considerable. Currently, the evaluation of the disease is carried out by experts who must walk through the plantations analysing the leaves visually and assigning a certain degree of infection to the area. This model is somehow subjective because, due to experts’ experience and visual acuity, the evaluation for a specific area may present divergent results. In face of this problem, this work presents an approach to automate the process of identification and evaluation of the disease, as a new means to minimise the losses. This work shows a method to classify the infection levels of sugar cane rust through the analysis of aerial images of sugar cane plantations, acquired by an aeromodel. From these pictures, some characteristics are based on colours are extracted and further classified by a Backpropagation Neural Network. Furthermore, it has been implemented a method for the segmentation of digital images of sugar cane leaves infected by rust. This is done to corroborate the manual evaluation done by experts. The results have shown that the method is capable of discriminating the three levels of infection available and they also indicate that it can also be equally efficient in the discrimination of the nine distinct infection levels of the adopted scale. Biblioteca Digitais de Teses e Dissertações da USPBatista Neto, Joao do Espirito SantoDias, Desirée Nagliati2004-02-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/55/55134/tde-19052004-134621/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:09:49Zoai:teses.usp.br:tde-19052004-134621Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:09:49Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Identificação dos sintomas de ferrugem em áreas cultivadas com cana-de-açúcar
Identification of symptoms of rust in sugar cane plantations.
title Identificação dos sintomas de ferrugem em áreas cultivadas com cana-de-açúcar
spellingShingle Identificação dos sintomas de ferrugem em áreas cultivadas com cana-de-açúcar
Dias, Desirée Nagliati
classificação por redes neurais
colours
cores
extração de característica
feature extraction
neural network classification
segmentação
segmentation
title_short Identificação dos sintomas de ferrugem em áreas cultivadas com cana-de-açúcar
title_full Identificação dos sintomas de ferrugem em áreas cultivadas com cana-de-açúcar
title_fullStr Identificação dos sintomas de ferrugem em áreas cultivadas com cana-de-açúcar
title_full_unstemmed Identificação dos sintomas de ferrugem em áreas cultivadas com cana-de-açúcar
title_sort Identificação dos sintomas de ferrugem em áreas cultivadas com cana-de-açúcar
author Dias, Desirée Nagliati
author_facet Dias, Desirée Nagliati
author_role author
dc.contributor.none.fl_str_mv Batista Neto, Joao do Espirito Santo
dc.contributor.author.fl_str_mv Dias, Desirée Nagliati
dc.subject.por.fl_str_mv classificação por redes neurais
colours
cores
extração de característica
feature extraction
neural network classification
segmentação
segmentation
topic classificação por redes neurais
colours
cores
extração de característica
feature extraction
neural network classification
segmentação
segmentation
description Áreas cultivadas com cana-de-açúcar podem sofrer o ataque do fungo Puccinia melanocephala e variedades suscetíveis desenvolvem uma doença conhecida por ferrugem da cana-de-açúcar. Por afetar, geralmente, áreas imensas, os prejuízos são grandes. Atualmente, a avaliação da doença é feita por especialistas que percorrem as áreas plantadas analisando visualmente as folhas e atribuindo à região um determinado grau de infecção. Esse modelo pode ser considerado subjetivo pois, dependendo da experiência e acuidade visual do especialista, a avaliação de uma mesma área pode apresentar resultados divergentes. Diante desta situação, este trabalho apresenta uma abordagem para automatizar o processo de identificação e avaliação, criando alternativas para minimizar os prejuízos. Este trabalho apresenta um método para classificação dos níveis de infecção da ferrugem por meio da análise de imagens aéreas de canaviais, adquiridas por um aeromodelo. Dessas fotos são extraídas características baseadas nas cores, as quais são classificadas por meio de uma rede neural backpropagation. Além disso, foi implementado um método para segmentação de imagens digitais de folhas de cana-de-açúcar infectadas com o intuito de corroborar a avaliação manual feita por especialistas. Os resultados mostram que o método é eficaz na discriminação dos três níveis de infecção disponíveis, além disso, indicam que este pode ser igualmente eficiente na discriminação dos nove níveis de infecção da escala adotada.
publishDate 2004
dc.date.none.fl_str_mv 2004-02-16
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.uri.fl_str_mv http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19052004-134621/
url http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19052004-134621/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815258297299632128

Registros relacionados