Made available in DSpace on 2015-03-26T13:23:54Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1451062 bytes, checksum: 39d55bd85f54e95a546d07249a16f7ab (MD5) Previous issue date: 2013-07-19 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / The importance of coffee agriculture in Brazil is notorious, especially for the State of Minas Gerais, which is the Brazilian state that accounts for most of the national production. In the Southern region and in Zona da Mata they are concentrated most of the crops of the State; also, small holdings are predominant in the region and cultivation is done in mountain region, what makes it difficult mapping the crops by automated methods. The application of Artificial Neural Networks (ANNs), having as input variables Haralick s descriptors, has shown a promising approach for the discrimination of higher complexity classes. In this context, it aimed to develop a system to identify areas where coffee is cultivated using ANNs, having as input variables Haralick s descriptors. The studied area is located at the city of Araponga, where 59 fields were selected with coffee plantations for data collection. The software used for processing and sorting the images was MATLAB; and for evaluating the sorting performance, Arcgis was used. The methodology for the development of ANN consisted in two steps: in the first step, the ANN was trained with representative samples of each class of interest (coffee, forest, water, bare soil, and grassland, and urban area), thus verifying the potential to discriminate output classes; in the second step the objective was to classify the coffee plantations accordingly with the age. Kappa index was used for evaluating the performance of ANN; the usage of this coefficient is satisfactory for assessing the accuracy of a thematic class. Kappa index for discriminating the coffee region of the other class of interest was 65,18%, what can be considered a good index. To classify the coffee plantations accordingly with the age, Kappa index was variable (0.675 to 0.4783), being very good for the Itatiaia farm and reasonable to the Pedra Redonda farm. / A importância da cafeicultura para o Brasil é notória, em especial para o estado de Minas Gerais que é o estado brasileiro responsável pela maior parte da produção nacional. Nas regiões sul e da zona da mata onde estão concentradas a maior parte da lavoura no estado de Minas Gerias, há a predominância de pequenas propriedades e o cultivo é feito em região de montanha o que acaba dificultando o mapeamento por métodos automatizados. A aplicação de Redes Neurais Artificiais (RNAs) tendo como variáveis de entrada os descritores de Haralick tem se mostrado uma abordagem promissora na discriminação de classes de maior complexidade. Neste contexto objetivou-se desenvolver um sistema para identificar áreas cultivadas com café utilizando RNAs tendo como variáveis de entrada os descritores de Haralick. A área de estudo está localizada no município de Araponga, onde foram selecionados 59 talhões com plantios de café, sendo levantados dados relativos à idade e data de recepa. O software utilizado para o processamento e classificação da imagem foi o MATLAB, e para avaliar o desempenho da classificação foi o Arcgis. A metodologia para o desenvolvimento da RNA consistiu em duas etapas: na primeira a RNA foi treinada com amostras representativas de cada classe de interesse (café, mata, água, solo exposto e pastagem e área urbana), verificando assim o potencial em discriminar entre as classes de saída; na segunda etapa o objetivo foi classificar as plantações de café de acordo com a idade e com a data de recepa. Utilizou-se o índice Kappa para avaliar o desempenho da RNA, uma vez que o uso desse coeficiente é satisfatório na avaliação da precisão de uma classe temática. O índice Kappa para discriminar a região cafeeira das outras classes temáticas foi de 65,18%, o que pode ser considerado um índice bom. Para classificar os plantios de café em função da idade e data de recepa o índice Kappa foi variável (0,675 a 0,4783), sendo considerado muito bom para a fazenda Itatiaia e razoável para a fazenda Pedra Redonda.