Made available in DSpace on 2015-04-09T12:28:25Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-07-31Bitstream added on 2015-04-09T12:47:37Z : No. of bitstreams: 1 000810915.pdf: 2651905 bytes, checksum: 5f40f91440ef3dd76689d6a06a4783d5 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Sistemas de Visão são amplamente empregados em aplicações relacionadas à Agricultura de Precisão. A capacidade de extrair grandes conjuntos de dados do ambiente e seus baixos custos de aquisição torna-os populares entre os diversos tipos de sensores existentes. Em algumas atividades, torna-se necessário aumentar o campo de visão da aplicação para aumentar o conhecimento sobre o ambiente. Sistemas Omnidirecionais Catadióptricos fornecem técnicas capazes de capturar imagens completas do ambiente utilizando a combinação de lentes e espelhos. Nesse trabalho, foi proposta a aplicação de um sistema catadióptrico, utilizando espelho hiperbólico, para realização do levantamento de informações de cenários naturais agrícolas. A imagem omnidirecional é tratada com técnicas de processamento de imagens e retificada, gerando uma nova imagem panorâmica. Então, seus quadrantes são extraídos, originando quatro novas imagens que representam lados de visão do veículo. Uma etapa de segmentação por cor foi proposta utilizando como base o algoritmo Otsu Threshold. Filtros foram aplicados para otimização dos resultados obtidos. No final do processo, foi possível visualizar as regiões de interesse de cada quadrante / Vision System is widely used in applications related to Precision Agriculture. The ability to extract large sets of data from the environment and its low acquisition costs makes them popular among different types of existing sensors. In some activities, becomes necessary to increase the field of view of the application to increase the knowledge about the environment. Omnidirectional Catadioptric System provide techniques to capture complete images of the environment using a combination of lenses and mirrors. This work aimed the application of a catadioptric system using hyperbolic mirror, to perform the survey information of agricultural natural scenery. The omnidirectional image is treated with techniques of image processing and rectified, creating a new panoramic image. Then, its quadrants are extracted, yielding four new images that represent the side view of the vehicle. A Step by color segmentation was proposed using as a basis the Otsu Threshold algorithm. Filters are applied to optimize the results. At the end of the process, it was possible to view the regions of interest in each quadrant

Made available in DSpace on 2015-09-17T15:25:00Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-02-02. Added 1 bitstream(s) on 2015-09-17T15:46:50Z : No. of bitstreams: 1 000845659.pdf: 1520527 bytes, checksum: 1392f882a0b143c7225dac78caa33eeb (MD5) / Com o objetivo de atingir a maior produtividade possível, a agricultura de precisão tenta utilizar as melhores técnicas da agricultura tradicional combinadas com equipamentos muito eficientes em suas funções específicas. No contexto da visão computacional, o desenvolvimento de um sistema autônomo de navegação voltado para ambientes agrícolas rurais e externos, possui, além das dificuldades encontradas em ambientes fechados e controlados, adversidades características, tais como terrenos irregulares e problemas com a iluminação não controlada. Com a utilização de visão estéreo para navegação em um ambiente externo agrícola é possível, por meio da geração do mapa de disparidades e da matriz de disparidade V, verificar através de qual profundidade uma área é navegável com apenas uma cena, e ainda mapear anteparos e deformações durante o trajeto. Com base nesse mapeamento dos objetos, pode-se então desenvolver uma navegação livre de possíveis obstáculos. O objetivo desse trabalho foi, considerando-se um ambiente externo agrícola, mapear os objetos da cena de acordo com a sua profundidade, de forma que possa ser identificado um caminho livre para a navegação. Experimentos foram realizados utilizando-se uma base de dados própria, contendo 5.379 imagens capturadas em forma de sequências de vídeo, todas representando o ambiente selecionado para testes. A metodologia desenvolvida apresentou uma taxa de acerto de aproximadamente 92%, com resultados calculados em tempo real, provando-se portanto, ser uma técnica eficiente para a navegação autônoma em ambientes agrícolas e externos / efficient equipments on its specific functions. Considering the context of computer vision, the development of an autonomous navigation system aimed to external rural farming environments, considers, besides the difficulties faced on closed and controlled environments, which can be targeted as irregular lands and problems with not controlled lighting. By using the stereo vision to perform the navigation in an external farming environment is possible, through the creation of the disparity map, and the v-disparity matrix, verify through what depth an area is possible to be navigated with just one scene and still map the obstacles and deflections along the way. Therefore, calculating the disparity map of the observed scene, it is possible, using the v-disparity matrix, map the objects in the scene according to their depth. Based on the mapping of the objects it is possible to perform a obstructions free navigation along all the way. The aim of this study is, considering an external agricultural environment, map the objects in the scene according to their depth making it possible to identify an obstruction free navigation path. Experiments were performed using an own database, composed of 5.379 pictures in video sequence form, all representing the test's environment. The developed methodology showed an accuracy rate of approximately 92%, with results calculated in real time, proving itself, as an efficient technique for autonomous navigation in agricultural and external areas

Made available in DSpace on 2014-12-02T11:16:45Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-02-11Bitstream added on 2014-12-02T11:21:42Z : No. of bitstreams: 1 000746570.pdf: 1315773 bytes, checksum: f57b31049617da35fafd6d529aa6e8af (MD5) / Esta pesquisa tem como objetivo traçar um panorama preliminar sobre a adoção de Práticas Agrícolas mais Sustentáveis (PAS), motivações e barreiras correlatas, por meio de revisão sistemática sobre o tema em análise e estudo survey exploratório na região sudoeste do estado de São Paulo. A produção de alimentos vive atualmente um desafio sem precedentes, várias alternativas têm sido discutidas com a finalidade de evitar um colapso na oferta de alimentos na metade deste século, quando a população mundial deverá atingir 9 bilhões de pessoas. A forte pressão dos governos e da sociedade por práticas mais sustentáveis de produção tem sensibilizado pesquisadores e desenvolver tecnologias que aumentem a eficiência na utilização de recursos e também a produtividade. Dentre essas tecnologias destacam-se, a Agricultura de Conservação (AC), a Agricultura de Precisão (AP), a Agricultura Orgânica (AO), o Manejo Integrado de Pragas (MIP) e a melhor Gestão do Uso da Água para Irrigação (GA). Autores denominam este movimento de utilização de PAS de intensificação sustentável (MATSON et. al., 1997; TILMAN et al. 2002; TILMAN et al., 2011; GOMIERO; PIMENTEL; PAOLETTI, 2011; HOCHMAN et al., 2013), esta utilização poderá ser a alternativa para aumentar os níveis de oferta de alimentos, mesmo com esgotamento das fronteiras agrícolas ao redor do mundo. Poucas pesquisas, no entanto, sobre a adoção dessas práticas têm sido desenvolvidas em regiões produtoras do Brasil, mesmo sendo o país líder na adoção de práticas conservacionistas. Diante desse cenário o presente estudo apresenta uma análise preliminar em relação à adoção dessas práticas por parte dos produtores, sobre os motivadores que levaram à adoção, bem como as dificuldades que limitam a utilização de práticas mais sustentáveis. Os resultados obtidos permitem considerar que a adoção de práticas mais sustentáveis ainda é...

Made available in DSpace on 2014-12-02T11:16:46Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-06-02Bitstream added on 2014-12-02T11:21:38Z : No. of bitstreams: 1 000791629.pdf: 2152486 bytes, checksum: 100fc111f381e16bf502e37c084b60eb (MD5) / Muitos estudos em sensoriamento remoto tem por objetivo identificar as diferenças varietais, predizer o rendimento, identificar deficiências nutricionais das culturas, estimativas de área de culturas e outras informações espectrais. O imageamento hiperespectral sub-orbital é uma ferramenta potencial para monitorar o estado nutricional das plantas cítricas, uma vez que esta tecnologia tem mostrado eficientemente a deficiência de nitrogênio em outras culturas. Portanto, isso contribui para reduzir custos, tempo e trabalho quando usado em grandes áreas. Os principais objetivos deste estudo foram: (i) determinar o comportamento espectral em pomares de citros em imagens hiperespectrais de alta resolução coletados com aeronaves; (ii) analisar a correlação entre características da planta e parâmetros radiométricos, especialmente do estado nutricional de nitrogênio de pomares de citros. O experimento foi conduzido em pomares localizados em Lake Alfred e Auburndale, Polk County, Flórida, EUA. A variedade estudada foi a Valência (Citrus sinensis). As imagens hiperespectrais consistem de 128 comprimentos de onda do visível e do infravermelho próximo (457,2 - 921,7 nm). Dados detalhados de verdade terrestre foram coletados no mesmo período em que as imagens, para avaliar a nutrição foliar de pomares de citros. As características espectrais das árvores individuais foram identificadas utilizando valores de reflectância espectral média com base em pixel, em vários comprimentos de onda da imagem. As imagens hiperespectrais e a verdade de campo foram avaliadas com estatística, SIG e ferramentas de modelagem, como os índices de vegetação (NDVI, NDVI705, RVI, VOG1, entre outros). Os métodos Regressão Linear Múltipla Backward e Análise de Componentes Principais (PCA) foram utilizados para desenvolver modelos de predição para nitrogênio nas folhas. A combinação dos métodos ... / Many studies in remote sensing aim to identify varietal differences, predict yield, identify crop nutrition deficiencies, crop area estimates, and other spectral information of crops. Airborne hyperspectral imagery is a potential tool to monitor the nutrient status of citrus trees, since this sensing technology has been shown to efficiently detect nitrogen deficiency in other crops. Therefore, it contributes to save cost, time and labor when used over large areas. The objective of this study was: (i) to determine the spectral behavior of a citrus orchard in high resolution hyperspectral imagery collected with aircraft; (ii) to analyze the correlation between plant parameters and radiometric parameters, especially of the nitrogen nutritional status of citrus orchards. The experiment was conducted in orchards located near Lake Alfred and Auburndale, Polk County, Florida, USA. The variety studied is Valencia (Citrus sinensis). Hyperspectral images consist of 128 visible and near-infrared wavelengths (457.2 – 921.7 nm). Detailed ground truth data were collected at the same time as the imagery for assessing foliar nutrition of citrus groves. The spectral features of the individual trees were identified using pixel-based average spectral reflectance values at several wavelengths from the image. Hyperspectral images and ground truth data were assessed with statistical, GIS and modeling tools, i.e. Vegetation Index (Normalized Difference Vegetation Index, Red Edge Normalized Difference Vegetation Index, Modified Red Edge Simple Ratio, Vogelmann Red Edge Index 1, and others.). The methods Backward Multiple Linear Regression and Principal Component Analysis (PCA) were used to develop prediction models for leaf nitrogen. These results will contribute to the development of rapid detection techniques of nutritional status in citrus groves, in order to reduce the sampling procedures for foliar analysis, which ...

Made available in DSpace on 2014-12-02T11:16:46Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-06-27Bitstream added on 2014-12-02T11:21:38Z : No. of bitstreams: 1 000791573.pdf: 1638010 bytes, checksum: 1dce114149aba56bee81846455d3c909 (MD5) / Nos últimos anos, devido à busca por fontes alternativas de energia, a cana-de-açúcar tem se destacando tanto no mercado interno como no externo, principalmente por causa do álcool combustível e da cogeração de energia através do bagaço da cana-de-açúcar. Como decorrência, a demanda por cana-de-açúcar tem aumentado cada vez mais, dessa forma, faz-se necessário obter altas produtividades, o que implica em um planejamento adequado do sistema de produção da cana-de-açúcar. Uma das etapas de maior importância desse sistema é o plantio, pois, planeja-lo constitui tarefa complexa, que requer cuidados dos gestores do setor, pois essas decisões influenciam todo o sistema de produção. Nesse contexto, evidencia-se a necessidade de técnicas que auxiliem os gerentes das empresas a planejarem o plantio, entre as quais a modelagem matemática pode funcionar como importante ferramenta. Neste trabalho, formularam-se dois modelos de otimização para auxiliar nesse planejamento. Dividiu-se a metodologia proposta em duas partes: a primeira consiste em planejar, de forma otimizada, a divisão da área de plantio em talhões, utilizando uma técnica matemática de otimização de corte, visando o máximo rendimento da colhedora da cana-de-açúcar. A segunda, em utilizar o modelo de otimização proposto para escolher a variedade de cana-de-açúcar que deve ser plantada em cada talhão e determinar em qual período do ano se deve fazer o plantio, de forma a maximizar a produção total ao longo de quatro cortes. Propôs-se também um algoritmo genético para a resolução do problema de planejamento do plantio.Os resultados apresentados mostram que as metodologias propostas mostraram-se bons instrumentos para planejar o plantio da cana de açúcar de forma otimizada, visto a redução do número de manobras em mais de 40% e o aumento da produção de cana-de-açúcar em 17,8% nas áreas ... / Due to the search for alternative sources of energy in recent years, sugarcane has come to stand out both domestically and in foreign markets, due mainly to ethanol and power cogeneration using sugarcane bagasse. To meet the resulting demand for sugarcane, high yields must be obtained in the biofuels industry, which requires proper planning of the sugarcane crop cycle from planting to harvest. One of the most important steps of this cycle is the planting, since well-planned planting results in a number of benefits, particularly increased production. Because these decisions affect the entire crop cycle, planning of planting is a complex task that requires great care. From this complexity comes the need for techniques that help corporate managers in the creation of a planting plan, and mathematical models can be used as just such a technique. In the present study, we formulate two optimization models to assist in planning sugarcane planting. The proposed methodology is divided into two parts. The first part divides the acreage into plots using a mathematical optimization technique of cuts in an effort to maximize sugarcane yield. The second part uses the proposed optimization model to choose the variety of sugarcane that should be planted in each plot and determine in which period of the year this planting should be done, thus maximizing total production over a five-year period. We also propose a genetic algorithm to solve this optimization model. We then present the results of computational simulations of plantings performed using these tools. The proposed methodology proves to be an effective tool for optimized planning the planting of sugarcane, producing a reduction in the number of maneuvers over 40% and increasing production in 17,8% in the fields considered.

Made available in DSpace on 2014-12-02T11:16:58Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-08-01Bitstream added on 2014-12-02T11:20:48Z : No. of bitstreams: 1 000799101.pdf: 4972578 bytes, checksum: b0ba85281e2b1e95ef9a66059565df4c (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Fundação de Amparo à Pesquisa do Estado de Mato Grosso (FAPEMAT) / Com o uso da agricultura de precis~ao procura-se melhorar o sistema de produ c~ao agr cola com o objetivo de reduzir os custos, aumentar a produtividade e minimizar a degrada c~ao do meio ambiente. Para isso, faz-se necess ario o monitoramento de recursos essenciais as plantas com o intuito de reduzir o uso de insumos agr colas. No monitoramento da folha da planta pode-se identi car doen cas ou a falta de nutrientes. Neste trabalho desenvolveuse um sistema que identi ca a de ci encia de nutrientes pela an alise das folhas de diversas culturas. O sistema foi desenvolvido em diferentes n veis de abstra c~oes para consolidar os resultados do sistema e facilitar o projeto em baixo n vel. A principal contribui c~ao do trabalho est a no desenvolvimento de um sistema com uma rede neural arti cial multicamadas em dispositivo recon gur avel, com a fun c~ao de identi car a de ci encia do macronutriente de Pot assio pela folha da soja. O sistema faz uso de arquitetura parcialmente paralela para computa c~ao dos neur onios em ponto utuante, com precis~ao de 32 bits padronizada. A aproxima c~ao da fun c~ao de ativa c~ao foi investigada com diversos m etodos, dois principais m etodos h bridos foram desenvolvidos: HPR - H brido com rela c~ao entre divis~ao em partes lineares (PWL) e m ultiplo endere camento de entradas (RALUT), e HPC - H brido entre PWL e express~oes booleanas simpli cadas. O sistema desenvolvido em hardware foi aplicado na segmenta c~ao de imagens pelas folhas da soja e comparado ao sistema de alto n vel de abstra c~ao. Nos resultados do dispositivo recon gur avel, a m edia do percentual de acertos na folha e de 92%, no trif olio e de 96% e no ambiente externo e de 95%. O erro m edio quadr atico alcan cou valores em 102 e o fator de qualidade entre 8,5 e 9,0. Alem disso, diversas outras contribuições foram realizadas no trabalho, para tornar possível o desenvolvimento do sistema em baixo nível de abstração. / The precision agriculture seeks improve the agricultural production system with aim of reduce costs, increase productivity and minimize environment degradation. Thus, the monitoring of essential resources plants is necessary for reducing the use of inputs agricultural. In the monitoring of the plant leaf can be identi ed disease or nutrients de ciency. This research work was made a system that identi es the nutrient de ciency by leaf of the several cultivars. The system was developed in di erent levels of abstractions for consolidate the results of the system and facilitate low-level design. The main contribution of the work is in the development of a multilayer arti cial neural network system in recon gurable device, with the function of identify de ciency of the Potassium macronutrient by soybean leaf. The system makes use of partially parallel architecture for computing of the neuron in oating point, with precision 32 bits standardized. The approximation of the activation function was investigated with methods distinct, two main hybrids methods were developed: HPR - Hybrid with relation between piecewise linear(PWL) and multiple addressing of inputs (RALUT), and HPC - Hybrid between PWL and the simpli ed booleans expressions. The system developed in hardware was applied in the images segmentation by soybean leaves and was compared to high-level system. In the results of the recon gurable device the mean of the hit percentage by leaf is 92%, in the trefoil is 96% and in external environment is 95%. The mean square error achieved values in 102 and the quality factor between 8.5 and 9.0. Furthermore, several others contributions were made in the work for make possible the development of the system in abstraction low-level.

Este trabalho analisa as possibilidades de aplicação de redes de sensores sem-fio na agricultura, dentro do contexto da agricultura de precisão. É feita uma revisão bibliográfica genérica sobre redes de sensores sem-fio e específica sobre aplicação em agricultura. Oportunidades para aplicação real de redes de sensores neste ambiente são identificadas e caracterizadas. Uma investigação aprofundada do espaço de projeto de redes de sensores é apresentada. Com base em trabalhos publicados, é feita uma proposta de dimensões de espaço de projeto, como forma de caracterizar diferentes redes. Diversos trabalhos publicados são analisados através das dimensões propostas. Os requisitos para redes para uso agrícola são delineados e caracterizados nas dimensões de projeto. Em um segundo momento, a partir das dimensões propostas, é elaborado um modelo matemático para o funcionamento de redes de sensores. Este modelo permite explorar de forma rápida todas dimensões do espaço de projeto, verificando o impacto global na rede de decisões locais na implementação dos nós. Uma rede experimental foi implementada, sendo caracterizada segundo o modelo e posteriormente testada em condições próximas às reais de uso. Esta rede permitiu a obtenção de dados reais, auxiliou na identificação de oportunidade para uso em agricultura e contribuiu na analise de desempenho do modelo proposto. / This paper analyzes wireless sensor networks application possibilities in precision agriculture. A generic bibliographic review in the domain is done as well as a specific review about applications in agriculture. Real application opportunities in this domain were identified and characterized A deep investigation on wireless sensor networks design space is presented. A proposition of design space dimensions to characterize different networks is made based on published papers. Some previous works are analyzed using the proposed design dimensions. Requirements to the networks targeting agricultural use are delimited and characterized in these design dimensions. In a second moment a mathematical model to wireless sensor networks is proposed based on the design space dimensions. This model allows rapid design space exploration and also the verification of network impact of local node implementation decisions. A WSN was implemented and submitted to application tests. It was characterized according to the proposed model and also tested in conditions similar to the real ones. The experimental WSN allowed real data collection, helped to identified application opportunities in agriculture and contributed to analyze the behavior of the proposed model.

The population growth associated with natural resources shortage, food demand increasing and the lack of manpower for agricultural activities generate important challenges to agriculture and engineering. The challenges imply the improvement of productivity with fewer resources, This scenario is consisted parameters that generally are in opposite directions. This work presents the development of a rover to agriculture (R2A) to support agriculturescouting tasks, the tasks will be in the future important tools to improve the productivity and enable the use of less agricultural supplies. The research presents the development of a rover for agriculture (R2A) to support scouting tasks; tasks that in the future will improve productivity and allowed the use of less agricultural supplies. The study begins with a bibliographic review of Robots for agriculture, Rovers, and agricultural Rovers developed by different research institutions. After the review is presented the work methodology based on mechanic and mechatronic design methodologies; in the development of the methodology are presented the general crop characteristics, the proposed of scouting tasks, the benchmarking developing mathematical models, CAD (Computer Aided Design ) models, simulations and tests in order to know the different features of the Rovers and agricultural robots. Using the knowledge gained in the course of work is proposed the concept of a rover for agriculture R2A, the concept is compared in simulations, and developed the detailed design using CAE tools (Computer Aided Engineering) after it built a prototype and tested. As results are presented comparative simulations of R2A, their mathematical modeling, R2A simulations in ideally conditions highlighting their skills, and finally R2A tests and comparison are presented. / O crescimento populacional associado à escassez de recursos naturais, a crescente demanda alimentar e a falta de mão de obra para as actividades agrícolas geram importantes desafios para a agricultura e a engenharia. Os desafios implicam a melhoria da produtividade com menos recursos. O cenário é constituido por parâmetros que geralmente estão em direções opostas. O trabalho apresenta o desenvolvimento de um rover para agricultura (R2A) para suportar tarefas de Scouting, tarefas que no futuro melhorarão a produtividade e permitirão o uso de menos subministros agrícolas. O estudo começa pela revisão bibliográfica de Robôs para agricultura, Rovers e Rovers agrícolas desenvolvidos por diferentes instituições de pesquisa. Apos a revisão é apresentada a metodologia do trabalho baseada nas metodologias de projeto mecânico e mecatrônico; no desenvolvimento da metodologia são apresentadas as caraterísticas das culturas de maneira geral, a proposta de tarefas de Scouting, o benchmarking desenvolvendo modelos matemáticos, modelos CAD (Computer Aided Design) simulações e testes com o intuito de conhecer as diferentes caraterísticas dos Rovers e Robôs agrícolas. Usando o conhecimento no decorrer do trabalho é proposto o conceito do rover para agricultura R2A, o conceito é comparado em simulações, e feito o projeto detalhado usando ferramentas CAE (Computer Aided Enginnerring), após é construído o protótipo, e testado. Como resultados são apresentadas simulações comparativas do R2A, a sua modelagem matemática, simulações do R2A em condições ideais, destacando as suas capacidades, e finalmente são apresentados os testes e comparações do R2A.

Orientador: Alexandre César Rodrigues da Silva / Banca: Aledir Silveira Pereira / Banca: Norian Marranghello / Banca: Tércio Alberto dos Santos Filho / Banca: Ivan Nunes da Silva / Resumo: Com o uso da agricultura de precis~ao procura-se melhorar o sistema de produ c~ao agr cola com o objetivo de reduzir os custos, aumentar a produtividade e minimizar a degrada c~ao do meio ambiente. Para isso, faz-se necess ario o monitoramento de recursos essenciais as plantas com o intuito de reduzir o uso de insumos agr colas. No monitoramento da folha da planta pode-se identi car doen cas ou a falta de nutrientes. Neste trabalho desenvolveuse um sistema que identi ca a de ci^encia de nutrientes pela an alise das folhas de diversas culturas. O sistema foi desenvolvido em diferentes n veis de abstra c~oes para consolidar os resultados do sistema e facilitar o projeto em baixo n vel. A principal contribui c~ao do trabalho est a no desenvolvimento de um sistema com uma rede neural arti cial multicamadas em dispositivo recon gur avel, com a fun c~ao de identi car a de ci^encia do macronutriente de Pot assio pela folha da soja. O sistema faz uso de arquitetura parcialmente paralela para computa c~ao dos neur^onios em ponto utuante, com precis~ao de 32 bits padronizada. A aproxima c~ao da fun c~ao de ativa c~ao foi investigada com diversos m etodos, dois principais m etodos h bridos foram desenvolvidos: HPR - H brido com rela c~ao entre divis~ao em partes lineares (PWL) e m ultiplo endere camento de entradas (RALUT), e HPC - H brido entre PWL e express~oes booleanas simpli cadas. O sistema desenvolvido em hardware foi aplicado na segmenta c~ao de imagens pelas folhas da soja e comparado ao sistema de alto n vel de abstra c~ao. Nos resultados do dispositivo recon gur avel, a m edia do percentual de acertos na folha e de 92%, no trif olio e de 96% e no ambiente externo e de 95%. O erro m edio quadr atico alcan cou valores em 10����2 e o fator de qualidade entre 8,5 e 9,0. Al em disso, diversas outras contribui c~oes foram realizadas no trabalho, para tornar poss vel o desenvolvimento do sistema em baixo n vel de ... / Abstract: The precision agriculture seeks improve the agricultural production system with aim of reduce costs, increase productivity and minimize environment degradation. Thus, the monitoring of essential resources plants is necessary for reducing the use of inputs agricultural. In the monitoring of the plant leaf can be identi ed disease or nutrients de ciency. This research work was made a system that identi es the nutrient de ciency by leaf of the several cultivars. The system was developed in di erent levels of abstractions for consolidate the results of the system and facilitate low-level design. The main contribution of the work is in the development of a multilayer arti cial neural network system in recon gurable device, with the function of identify de ciency of the Potassium macronutrient by soybean leaf. The system makes use of partially parallel architecture for computing of the neuron in oating point, with precision 32 bits standardized. The approximation of the activation function was investigated with methods distinct, two main hybrids methods were developed: HPR - Hybrid with relation between piecewise linear(PWL) and multiple addressing of inputs (RALUT), and HPC - Hybrid between PWL and the simpli ed booleans expressions. The system developed in hardware was applied in the images segmentation by soybean leaves and was compared to high-level system. In the results of the recon gurable device the mean of the hit percentage by leaf is 92%, in the trefoil is 96% and in external environment is 95%. The mean square error achieved values in 10����2 and the quality factor between 8.5 and 9.0. Furthermore, several others contributions were made in the work for make possible the development of the system in abstraction low-level / Doutor

Orientador: Maria de Lourdes Bueno Trindade Galo / Banca: Nilton Nobuhiro Imai / Banca: Vilma Mayumi Tachibana / Banca: Rubens Augusto Camargo Lamparelli / Resumo: Os nematoides são importantes fitoparasitas que se constituem em um problema sério para o cultivo do café no Brasil. Como a ocorrência de nematoides no sistema radicular do cafeeiro causa desequilíbrios nutricionais na planta que provocam variações na resposta espectral da folha e define uma configuração espacial característica às áreas infectadas, o objetivo desta pesquisa avaliar o potencial de dados de sensoriamento remoto adquiridos em multiescala para discriminar e mapear o café sadio, em estágio inicial de infecção e severamente infectado. A pesquisa foi desenvolvida em três áreas experimentais, localizadas no sul do estado de Minas Gerais, nas quais foi certificada a ocorrência de nematoides e realizadas medições de variáveis biofísicas e dados hiperespectrais na folha e sobre o dossel da planta. Os dados hiperespectrais também foram utilizados em simulação de bandas dos sensores do RapidEye e OLI/Landsat 8 para identificar as faixas espectrais mais sensíveis para a discriminação de patógenos em plantas de café. Nenhum dos parâmetros biofísicos avaliados discriminou eficientemente as folhas de plantas sadias e infectadas, mas a simulação de bandas indicou que os intervalos espectrais do vermelho, vermelho limítrofe e infravermelho próximos do RapidEye foram complementares para a discriminação de plantas de café sadio e dos dois níveis de infecção. Essas bandas, mais uma imagem NDVI, foram utilizadas na classificação das áreas infectadas por nematoides, a qual definiu a... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Nematodes are important phytoparasites that constitute a serious issue for coffee cultivation in Brazil. Because root infection by nematodes induces spectral variation in leaves and defines a unique spatial configuration in the cultivation field, the aim of this study is to evaluate the potential of remote sensing data acquired in multiscale to discriminate and map healthy, early infected and severely infected coffee plants. This study was carried out in three experimental areas, located in the in southern Minas Gerais State, in which the occurrence of nematodes was certified and biophysical and hyperspectral measurements of the leaves and on the canopy were made. Hyperspectral data were also used to simulate the bands of the RapidEye and OLI/Landsat 8 sensors to identify the most sensitive spectral ranges for pathogen discrimination in coffee plants. None of the biophysical parameters efficiently discriminated the leaves of healthy and infected plants, but the band simulations indicated that red, red edge and near infrared spectral ranges were complementary to the discrimination of healthy coffee plants and the two levels of infection. These bands, plus an (NDVI) image, were used for a multispectral classification of healthy and nematode-infected areas... (Complete abstract click electronic access below) / Doutor