Reconhecimento de padrões é uma área que tem sido utilizada sobretudo no contexto do desenvolvimento de sistemas ou dispositivos dotados de inteligência artificial. No processo de reconhecimento, diversas técnicas têm sido utilizadas, dentre elas o reconhecimento utilizando padrões discriminativos. De uma maneira genérica, esses padrões buscam analisar similaridades em uma imagem utilizando estruturas simples. Uma de suas vantagens é a possibilidade de desenvolvimento da técnica sem a necessidade de uma base de dados extensa. Este trabalho busca analisar a utilização de um padrão discriminativo para reconhecimento de uma erva daninha, Ipomoea sp., em uma plantação de cana-de-açúcar. Folhas de plantas têm sido utilizadas para sua identificação e, no caso de Ipomoea sp. que é uma planta dicotiledônea, pode-se utilizar para isso a diferença entre a venação reticulada e a paralenírvea da cana-deaçúcar, que é uma monocotiledônea. Em ambiente não controlado, o reconhecimento da planta pelas folhas apresenta problemas como: sobreposição, intensidade de luz e oclusão. Diante desse cenário, esta pesquisa propõe um método de identificação precisa e rápida usando templates do tipo Haar-like, logica fuzzy e componentes conectados para diferenciar monocotiledôneas e dicotiledôneas em um ambiente real. O Haar-like features usa templates para identificar padrões. Usamos esta técnica com o conceito de Imagem Integral para reduzir o tempo de processamento. O objetivo da Imagem Integral é reduzir a quantidade de operações aritméticas no processamento de imagens. Já a lógica fuzzy é utilizada neste trabalho para auxiliar na definição do tamanho do template a ser utilizado e, dadas as correspondências, classificar a folha. Em um ambiente não controlado, geralmente são encontradas diversas folhas de dicotiledôneas na mesma imagem. O objetivo da utilização dos componentes conexos é identificar pixels que compõem objetos em uma imagem. Nossa proposta é usar os componentes conexos, lógica fuzzy, Haar-like e Imagem Integral para encontrar a localização correta das folhas dicotiledôneas em uma imagem de um ambiente real. Testes foram realizados com o intuito de verificar o comportamento do método em relação algumas condições verificadas no ambiente não controlado. Testamos a invariância a rotação e a oclusão das folhas. O método apresentou bons resultados em relação a esses aspectos. Em relação à acurácia, o método apresenta 90,0% de acurácia no melhor caso, levando-se em consideração o total de folhas de dicotiledôneas com folhas pouco sombreadas e algumas folhas com nível de oclusão baixo ou médio.

Pattern recognition is an area that has been widely used, especially in the context of developing systems or devices with artificial intelligence. In the recognition process, several techniques have been used, among them the recognition using discriminative patterns. Generically, these patterns seek to analyze similarities in an image using simple structures. One of their advantages is the possibility of developing the technique without the need for an extensive database. This paper seeks to analyze the use of a discriminative pattern for the recognition of a weed, Ipomoea sp. Plant leaves have been used for its identification, and in the case of Ipomoea sp. which is a dicotyledonous plant, the difference between the reticulate and the parallel venation of sugarcane, which is a monocotyledonous plant, can be used for this. In an uncontrolled environment, the recognition of the plant by the leaves presents problems such as overlapping, light intensity, and occlusion. Given this scenario, this research proposes an accurate and fast identification method using Haar-like templates, fuzzy logic, and connected components to differentiate monocots and dicots in a real environment. Haar-like features use templates to identify patterns. We use this technique with the concept of Integral Imaging to reduce processing time. The goal of the Integral Image is to reduce the number of arithmetic operations in image processing. Fuzzy logic, on the other hand, is used in this work to help define the size of the template to be used and, given the matches, to classify the sheet. In an uncontrolled environment, usually, several dicot leaves are found in the same image. The goal of using the connected components is to identify pixels that make up objects in an image. We propose to use the connected components, fuzzy logic, Haar-like, and Integral Image to find the correct location of dicot leaves in an image of a real environment. Tests were performed to verify the behavior of the method concerning some conditions in the uncontrolled environment. We tested the invariance to rotation and occlusion of the leaves. The method presented good results regarding these aspects. Regarding accuracy, the method presents 90.0% accuracy in the best case, taking into account the total number of dicot leaves with little shaded leaves and some leaves with low or medium occlusion levels.