• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
10.11606/T.74.2015.tde-04092015-084528
Documento
Autor
Nome completo
Fernanda de Fatima da Silva
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
Pirassununga, 2015
Orientador
Banca examinadora
Luz, Pedro Henrique de Cerqueira (Presidente)
Amado, Telmo Jorge Carneiro
Baesso, Murilo Mesquita
Herling, Valdo Rodrigues
Soares, Marcio Roberto
Título em português
Reconhecimento de padrões de nutrição para nitrogênio e potássio em híbridos de milho por análise de imagens digitais
Palavras-chave em português
Zea mays L.
Adubação
Nutrição de planta
Produtividade
Visão artificial
Resumo em português
A adubação e a utilização de cultivares mais produtivos consistem em tecnologias essenciais para melhorar a produtividade e a sustentabilidade da cultura do milho (Zea mays L.). A análise de imagens digitais é uma tecnologia utilizada para a identificação de deficiência nutricional em folhas de milho em estádios iniciais de desenvolvimento, já que, nos métodos atuais, é muito difícil a correção do nutriente deficiente no mesmo ciclo da cultura. O objetivo deste trabalho foi avaliar as características nutricionais e produtivas, bem como verificar métodos de extração de características de imagens digitais para diagnosticar sintomas de deficiência de nitrogênio (N) e potássio (K) em híbridos de milho, cultivados em casa de vegetação, com deficiência induzida em nitrogênio (N) ou potássio (K); e posteriormente no campo. O experimento foi independente para cada elemento e conduzido em 2 etapas: 1º) casa de vegetação sob cultivo hidropônico, com tratamentos em fatorial 4 (doses) x 3 (híbridos) e 4 repetições, sendo 4 doses: 5, 20%, 100% e 200% da dose completa; e 2º) campo, em blocos ao acaso em fatorial 4x3 (4 doses e 3 híbridos) e 4 blocos, sendo as doses de adubação: omissão individual e completa (0%) de N ou K, 50%, 100% e 200% da dose recomendada do nutriente em estudo. Os híbridos foram: DKB390 PróR2®(H1), Pioneer 30F35®(H2) e Syngenta Status®(H3). A coleta e digitalização das folhas foram realizadas nos estádios V4 e R1. Foram obtidas as imagens da folha indicativa do estádio (FI), que foram processadas pela análise de imagens e analisadas quimicamente. Os métodos de extração de características baseados em padrões de textura de imagens em escala de cinza foram: Fourier, Descritor Fractal (Fractal), Local Binary Pattern (LBP), Gabor Wavelets (GW) e Gabor Wavelets + Fractal Descriptors (GWF); e também foram estudados métodos de extração de características baseados em 4 índices espectrais de imagens coloridas: excesso de verde (EVd), vermelho normalizado (Vern), verde normalizado (Vn) e razão verde-vermelho (Rvv) e a combinação entre eles. Em casa de vegetação, foram determinadas massa seca da parte aérea (MSPA) e de raízes (MSRz) e as concentrações de macro e micronutrientes. No campo, no final do ciclo, foram realizadas avaliações da produtividade e análise química foliar e do solo. A redução nas doses de N ou de K nos híbridos estudados promoveu decréscimos significativos na concentração foliar desses elementos nos híbridos nos 2 estádios avaliados, apresentando sintomas visuais típicos de deficiência de N ou de K para os híbridos conduzidos com a menor dose de tal nutriente. A MSPA e MSRz nos híbridos conduzidos em casa de vegetação e a produtividade no campo também foram comprometidas com a redução na disponibilidade de N ou de K para os híbridos estudados. Para os híbridos conduzidos em casa de vegetação com doses de N ou de K, quando estudados separadamente pelos métodos baseados em textura, o Fourier apresentou alta porcentagem de acertos em todos os híbridos e nos 2 estádios, exceto para H3 no R1. Os melhores métodos baseados em índices espectrais apresentaram índice Kappa classificado como acima de bom.
Título em inglês
Recognition of nutritional patterns to nitrogen and potassium in maize hybrids by analyzing digital images
Palavras-chave em inglês
Zea mays L.
Artificial vision
Fertilization
Plant nutrition
Productivity
Resumo em inglês
The fertilization and the use of more productive cultivars are important technologies to improve productivity and sustainability of the maize crop. The digital image analysis is a technology used to identify nutritional deficiency in corn leaves, on the methodologies currently being applied, the correction of the deficient nutrient is not possible in the same growing cycle. The objective of this study was to evaluate the nutritional and productive characteristics and verify the extraction methods of digital image characteristics. This is performed to diagnose symptoms of nitrogen deficiency (N) and potassium (K) in corn hybrids (Zea mays L.) grown in a greenhouse, with induced nutritional deficiency in nitrogen (N) or potassium (K); and thereafter grown in the field. The experiment was independent for each element and conducted in two steps: 1; in a greenhouse under hydroponic cultivation, with treatments in a factorial 4 (doses) x 3 (hybrid) and 4 replications, with four doses: 5, 20%, 100% and 200% of full dose; and 2; the field in randomized blocks in a factorial 4x3 (4 doses and 3 hybrids) and 4 blocks, 4 fertilizer levels: individual and complete omission (0%) of N or K, 50%, 100% and 200 % of the recommended dose of the nutrient under study. The hybrids were DKB390 PróR2® (H1), Pioneer 30F35® (H2) and Syngenta Status® (H3). The collection and digitalization of the leaves were realizated in V4 and R1 growth stages. Indicative leaves of each stage were obtained and processed by image analysis and chemically analyzed. The extraction methods of characteristics based on texture patterns of images in gray-scale were: Fourier Descriptor Fractal (Fractal), Local Binary Pattern (LBP), Gabor Wavelets (GW) and Gabor Wavelets + Fractal Descriptors (GWF); and also characteristics extraction methods were studied based on 4 spectral indices of color images: excessive green (EVD), normalized red (Vern), normalized green (Vn), green-red ratio (RVV) and the combination of them. In the greenhouse were determined the dry mass of the aerial part of the plant (MSPA) and root (MSRz) and the concentrations of macro and micronutrients. In the field, at the end of the cycle, evaluations were carried out in productivity and foliar and soil analysis. The reduction in N or K levels in the studied hybrids led to significant decreases in foliar nutrient concentration in the plants conducted in a greenhouse and in the field in two stages evaluated, with typical visual symptoms of N deficiency or K for hybrid conducted with the lower dose of this nutrient. The MSPA and MSRZ in hybrid conducted in a greenhouse and productivity in the field were also committed to reducing the availability of N or K for the studied hybrids. To the hybrids conducted in the greenhouse with doses of N or K, when studied separately in the texture based methods, the Fourier showed high percentage of correct answers in all hybrids in both stages, except for H3 in R1. The best methods based on spectral indices presented classification considered more than good.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
DO6721711COR.pdf (7.90 Mbytes)
Data de Publicação
2015-09-15
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2018. Todos os direitos reservados.