A pesquisa visou avaliar a metodologia do projeto Tree Vis para determinar a nutrição de ferro, boro, zinco e cobre em plantas de milho submetidas a doses desses nutrientes. Foram utilizados tratamentos constituídos pela omissão, 1/5, 2/5 e a dose completa dos elementos com quatro repetições em cada fase de coleta, sendo essas V4, V7 e R1. Os experimentos foram realizados em casa de vegetação, em cultivo hidropônico, conduzidos em vasos com solução nutritiva. Foi determinada a produção de massa seca da parte aérea e do sistema radicular, além da determinação dos teores dos nutrientes nas folhas indicativas dos estádios fenológicos de cada época de coleta. Em cada estádio foram coletadas imagens das folhas indicativas e novas através de um scanner para as análises de visão artificial. As doses crescentes dos nutrientes promoveram maior produção de massa seca na parte aérea e nas raízes e reduziram a produção quando utilizada a dose máxima do nutriente. O sistema de visão artificial mostrou-se promissor na identificação de deficiência de ferro com 77,5% de acerto, boro com 81,7% de acerto, zinco com 81,0% e cobre com 57,2 % de acerto, tendo identificado as com boa confiabilidade.

The research aimed to evaluate the methodology of the Pr oject Tree Vis for determining nutrition iron, boron, zinc and copper in maize plants subjected to doses of these nutrients. Treatments used were made by omission, 1/5, 2/5 and the full dose of the elements with four replicates at each stage of collection, these are V4, V7 and R1. The experiments ware conducted in a greenhouse in hydroponics, conducted in pots with nutrient solution. Was determined the dry mass production of the aerial part and roots, besides the determ ination of nutritional content in the leaves indicative of phenological stages of each harvest time. At each stage were collected images of indicative and new leaves through with a scanner for the analyzes of artificial vision. The increasing doses of nutr ients promoted higher dry mass production in the aerial part and roots and reduced the production when using the highest dose of the nutrient. The artificial vision system showed promise in identifying of deficiency of iron with 77.5% accuracy, of boron with 81.7% of correct, of zinc with 81.0% accuracy and copper with 57.2% accuracy, with a good reliability in the identifi.