O greening ou Huanglongbing (HLB) é uma das mais graves doenças dos citros presentes nos pomares do Brasil. Causada pela bactéria Candidatus Liberibacter spp, é transmitida pelo inseto psilídeo Diaphorina citri, que ao se alimentar de uma planta doente transmite a doença às demais plantas. O greening apresenta como sintoma, manchas amareladas nas folhas, muitas vezes confundidas com deficiências nutricionais. A erradicação da planta e o controle do inseto transmissor são as únicas formas de prevenção para evitar a sua propagação. Este trabalho teve por objetivo avaliar uma metodologia baseada em segmentação por cor e outra baseada em análise de textura para avaliação de folhas de citros sintomáticas, identificando se estão contaminadas com o greening ou outras doenças e deficiências nutricionais. Foram fornecidas pelo grupo FISHER, 324 amostras de folhas cítricas, contendo folhas com doenças (greening, CVC e rubelose) e deficiências nutricionais (manganês, magnésio e zinco). As folhas foram digitalizadas por um scanner de mesa, com duas resoluções, utilizando somente a parte frontal da folha. Foram montados três bancos de imagens. Os resultados gerados com a metodologia baseada em segmentação por cor utilizando RNA PMC, mostraram que essa metodologia não é eficiente. Na metodologia baseada na análise por textura foram avaliados os descritores LBP, LFP e os de Haralick. Para estes descritores foram extraídas amostras por folha e por quadrantes das folhas nos canais de cores vermelho e verde e amostras em níveis de cinza. Os resultados gerados pelos descritores foram classificados pela distância &#9672 e pelos algoritmos IBK e RNA PMC do toolbox Weka. Os melhores resultados foram para os descritores LBP e LFP-s para distância &#9672, com valores de sensibilidade acima de 97% e 93%, respectivamente, e para o LBP com o algoritmo IBK, com valores de sensibilidade acima de 98,5%. Os resultados obtidos evidenciam que o descritor LBP é o mais eficiente seguido pelo LFP-s na diferenciação do greening das outras pragas. / The greening or Huanglongbing (HLB) is one of the most serious diseases of citrus orchards present in Brazil. HLB is caused by the bacterium Candidatus Liberibacter spp, it is transmitted by the psyllid insect (Diaphorina citri) that, when feeding on a diseased plant, it transmits the disease to other plants. One of the symptoms of the greening are yellowish spots on the leaves, often confused with nutritional deficiencies. The eradication of plants and control of insect are the only forms of prevention. This work aims to evaluate two methodologies: one based on color segmentation and the other based on texture analysis for assessment of symptomatic citrus leaves, identifying whether they are infected with greening and other diseases and nutritional deficiencies. A number of 324 samples of citrus leaves were provided by FISHER group, infected with diseases (greening, CVC, rubelose) and nutritional deficiencies ( manganese, magnesium, zinc) . The leaves were acquired by a flatbed scanner with two different resolutions, using only the front side of the leaf. Three datasets of images were constructed. The results generated using the methodology based on color segmentation with ANN MLP, showed that this methodology is not efficient. In the methodology based on texture analysis it was evaluated the LBP, LFP and the Haralick descriptors. For these descriptors it was extracted samples from the leaves and quadrants of leaves, in red and green color channels and grayscale. The results generated by the descriptors were classified by &#9672 distance and the algorithms IBK and ANN MLP from the toolbox Weka. The best results were for LBP descriptor and LFP-s for &#9672 distance with values of sensitivity above 97% and 93%, respectively, and the LBP with IBK algorithm, with values of sensitivity above 98.5%. The results showed that the LBP descriptor is the most efficient followed by LFP-s in the differentiation of the greening from other pests.

O greening ou Huanglongbing (HLB) é uma das mais graves doenças dos citros presentes nos pomares do Brasil. Causada pela bactéria Candidatus Liberibacter spp, é transmitida pelo inseto psilídeo Diaphorina citri, que ao se alimentar de uma planta doente transmite a doença às demais plantas. O greening apresenta como sintoma, manchas amareladas nas folhas, muitas vezes confundidas com deficiências nutricionais. A erradicação da planta e o controle do inseto transmissor são as únicas formas de prevenção para evitar a sua propagação. Este trabalho teve por objetivo avaliar uma metodologia baseada em segmentação por cor e outra baseada em análise de textura para avaliação de folhas de citros sintomáticas, identificando se estão contaminadas com o greening ou outras doenças e deficiências nutricionais. Foram fornecidas pelo grupo FISHER, 324 amostras de folhas cítricas, contendo folhas com doenças (greening, CVC e rubelose) e deficiências nutricionais (manganês, magnésio e zinco). As folhas foram digitalizadas por um scanner de mesa, com duas resoluções, utilizando somente a parte frontal da folha. Foram montados três bancos de imagens. Os resultados gerados com a metodologia baseada em segmentação por cor utilizando RNA PMC, mostraram que essa metodologia não é eficiente. Na metodologia baseada na análise por textura foram avaliados os descritores LBP, LFP e os de Haralick. Para estes descritores foram extraídas amostras por folha e por quadrantes das folhas nos canais de cores vermelho e verde e amostras em níveis de cinza. Os resultados gerados pelos descritores foram classificados pela distância &#9672 e pelos algoritmos IBK e RNA PMC do toolbox Weka. Os melhores resultados foram para os descritores LBP e LFP-s para distância &#9672, com valores de sensibilidade acima de 97% e 93%, respectivamente, e para o LBP com o algoritmo IBK, com valores de sensibilidade acima de 98,5%. Os resultados obtidos evidenciam que o descritor LBP é o mais eficiente seguido pelo LFP-s na diferenciação do greening das outras pragas. / The greening or Huanglongbing (HLB) is one of the most serious diseases of citrus orchards present in Brazil. HLB is caused by the bacterium Candidatus Liberibacter spp, it is transmitted by the psyllid insect (Diaphorina citri) that, when feeding on a diseased plant, it transmits the disease to other plants. One of the symptoms of the greening are yellowish spots on the leaves, often confused with nutritional deficiencies. The eradication of plants and control of insect are the only forms of prevention. This work aims to evaluate two methodologies: one based on color segmentation and the other based on texture analysis for assessment of symptomatic citrus leaves, identifying whether they are infected with greening and other diseases and nutritional deficiencies. A number of 324 samples of citrus leaves were provided by FISHER group, infected with diseases (greening, CVC, rubelose) and nutritional deficiencies ( manganese, magnesium, zinc) . The leaves were acquired by a flatbed scanner with two different resolutions, using only the front side of the leaf. Three datasets of images were constructed. The results generated using the methodology based on color segmentation with ANN MLP, showed that this methodology is not efficient. In the methodology based on texture analysis it was evaluated the LBP, LFP and the Haralick descriptors. For these descriptors it was extracted samples from the leaves and quadrants of leaves, in red and green color channels and grayscale. The results generated by the descriptors were classified by &#9672 distance and the algorithms IBK and ANN MLP from the toolbox Weka. The best results were for LBP descriptor and LFP-s for &#9672 distance with values of sensitivity above 97% and 93%, respectively, and the LBP with IBK algorithm, with values of sensitivity above 98.5%. The results showed that the LBP descriptor is the most efficient followed by LFP-s in the differentiation of the greening from other pests.

O uso da visão computacional vem ganhando espaço no contexto agrícola, especialmente com a evolução do conceito da agricultura de precisão. Aplicações como irrigação, fertilização e controle de pragas são apenas alguns dos cenários que essa tecnologia pode atender. Entretanto, a demanda por sistemas acessíveis e eficientes aliada às inconstâncias e ruídos visuais de um ambiente externo, apresentam desafios a estes processos. Foi proposto neste trabalho uma análise da literatura e uma série de investidas experimentais de técnicas de processamento de imagens, para buscar melhores relações entre custo computacional e desempenho da detecção de mudas de plantas, visando atingir operações em tempo real com o uso de hardwares comuns e de baixo custo. Para tanto o trabalho investiga a composição de estratégias de segmentação a partir de diferentes espaços de cor e métodos de constância de cor, de forma a reduzir a variação luminosa, uma das maiores fontes de instabilidade nas aplicações de visão na agricultura. Os experimentos propostos foram divididos em duas fases; na primeira o sistema de medidas foi avaliado, definindo as métricas e condições experimentais adequadas para a segunda fase, composta de uma sequência de experimentos comparativos entre estratégias de segmentação sob diferentes condições de iluminação. Os resultados mostraram que as soluções são muito dependentes das condições da cena e uma série de alternativas promissoras de segmentação foram obtidas. Sua elegibilidade, porém, depende de considerações sobre a disponibilidade computacional e contexto de aplicação. / The use of computer vision has been gaining ground in the agricultural context, especially with the evolution of the concept of precision agriculture. Applications such as irrigation, fertilization and pest control are just some of the scenarios that this technology can be used. However, the demand for accessible and efficient systems together with the variations and visual noise from an external environment presents challenges to these processes. It was proposed in this study an analysis of the literature and a series of experimental investigations of image processing techniques, to search for better relations between computational cost and performance in the detection of seedlings, aiming to achieve real time operations with the use of common and low cost hardware. For this, the work investigates the composition of segmentation strategies from different color spaces and color constancy methods, in order to combat light variation, one of the major sources of instability in agricultural vision applications. The proposed experiments were divided into two phases; in the first the measurement system was evaluated, defining the metrics and suitable conditions for the experiments at second phase, composed of a sequence of comparative experiments of segmentation strategies under different lighting conditions. The results showed that the solutions are very dependent on the conditions of the scene and a series of promising segmentation alternatives were obtained. Their eligibility, however, depends on considerations about the computational availability and context of the application.

Made available in DSpace on 2014-06-12T16:00:25Z (GMT). No. of bitstreams: 2 arquivo6557_1.pdf: 4867823 bytes, checksum: 64578a5cde42f460f0745045ec1bb555 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2007 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Neste trabalho apresentamos um novo modelo neural para segmentação de imagens, baseado nos Mapas Auto-organizáveis SOM (Mapa Auto-organizável - Self-organizing Map) e GWR (Crescer Quando Requerido - Grow When Required) chamado de LARFSOM (Mapa Auto-organizável com Campo Receptivo Adaptativo Local - Local Adaptive Receptive Field Self-organizing Map). As características principais do modelo são: número adaptativo de nodos, topologia variável, inserção de novos nodos baseada em uma medida de similaridade dos protótipos existentes em relação ao padrão de entrada aferida por meio de campo receptivo, remoção de nodos com informações não significativas ao final do treinamento, rápida convergência e baixo custo de processamento para o treinamento. A rede LARFSOM é capaz de segmentar imagens por cor ou por borda: a primeira, é feita através do agrupamento de informações ocorrido no treinamento da rede LAFRSOM seguido de um processo de quantização de cores; já a segunda, ocorre pelo acréscimo de dois nodos RBF (Função de Base Radial - Radial Basis Function) à rede LARFSOM, criando um modelo de dois estágios chamado LARFSOM-RBF. Adicionalmente, o modelo é capaz de salvar em um formato variante do BMP indexado tanto a rede treinada como as informações espaciais dos pixels da imagem. Acrescido de compactação tipo ZIP o arquivo a ser salvo torna-se bem reduzido. Comparações com outros modelos neurais como o SOM, FS-SOM (Mapa Auto-organizável Sensível à Freqüência - Frequency Sensitive Self-organizing Map) e GNG (Gás Neural Crescente - Growing Neural Gas) são feitas mediante segmentação de imagens do mundo real com diferentes níveis de complexidade. Técnicas de processamento de imagens e o formato JPEG são usados para fins de comparação. Os resultados mostram que a rede LARFSOM atinge maior variação de cores da paleta e melhor distribuição espacial 3D RGB das cores selecionadas que os demais modelos. A qualidade das imagens geradas também figura entre os melhores resultados obtidos

Submitted by Erika Demachki (erikademachki@gmail.com) on 2015-10-23T18:23:32Z No. of bitstreams: 2 Dissertação - Rafael Divino Ferreira Feitosa - 2015.pdf: 7893703 bytes, checksum: 12af470c3ca2fb4a3d0bd3885bfde46d (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Erika Demachki (erikademachki@gmail.com) on 2015-10-23T18:25:45Z (GMT) No. of bitstreams: 2 Dissertação - Rafael Divino Ferreira Feitosa - 2015.pdf: 7893703 bytes, checksum: 12af470c3ca2fb4a3d0bd3885bfde46d (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2015-10-23T18:25:45Z (GMT). No. of bitstreams: 2 Dissertação - Rafael Divino Ferreira Feitosa - 2015.pdf: 7893703 bytes, checksum: 12af470c3ca2fb4a3d0bd3885bfde46d (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2015-04-14 / Skin detection techniques are widely applied to locate and to track parts of the human body with the objective of posterior recognition, having received great attention in recent years in the development of research in reason to the innumerable possible applications with the detection and tracking of faces, identification of naked people, identification of hand movements, among others. The present work proposed the construction of mathematical models for the detection of human skin tones such as, white, yellow, brown and black in digital color images in the RGB and HSV color spaces. Using a set of human skin tone samples, mathematical models were constructed describing how the variables of each color pixel in the RGB and HSV systems interrelate. To understand the answer of the proposed system, the mechanistic model was chosen, dividing it into components, observing the behavior of each part and the interactions that occurred between them. The proposed RGB filter reached a 98.3657% reduction index of the spectrum, classifying only 1.6343% (253,159 tones) as possible skin tones and the HSV model reduced the likely spectrum to 2.5352% (94,030 tones), discarding 97.4648% of the colors as candidates for human skin tones. When the proposed filters, were applied to the reduction of the probable range of human skin tones, well-defined bands in the geometric representation of the color spaces were selected. The experimental validation of the effectiveness of the RGB model showed that the proposed filter has conservative characteristics in the detection of skin, mistakenly classifying as skin only 6.7163% of the sample space. The proposed RGB filter has low sensitivity of 61.0831% and high specificity of 95.2769% in the detection of human skin in digital images. The HSV model had rates of (54,6333%) low sensitivity and (92,6390%) high specificity, considered low when compared to the performance of the other algorithms. / Técnicas de detecção de pele são amplamente aplicadas para localizar e rastrear partes do corpo humano com o objetivo de posterior reconhecimento, tendo recebido nos últimos anos grande atenção no desenvolvimento de pesquisas em razão das inúmeras aplicações possíveis como detecção e rastreamento de faces, identificação de pessoas nuas, identificação de movimentos das mãos, entre outras. O presente trabalho propôs construir 2 modelos matemáticos para detecção de tons de pele humana branca, amarela, parda e preta em imagens digitais coloridas nos espaços de cores RGB e HSV. Utilizandose de um conjunto de amostras de tons de pele humana foram construídos modelos matemáticos que descrevem como as variáveis de cada pixel de cor nos sistemas RGB e HSV se relacionam. Para compreender a resposta do sistema proposto, foi escolhido o modelo mecanístico, dividindo-o em componentes e observando o comportamento de cada parte e das interações que ocorreram entre elas. O filtro RGB proposto alcançou o índice de redução de 98,3657% do espectro, classificando apenas 1,6343% (253.159 tons) como possíveis tons de pele e o modelo HSV reduziu para 2,5352% (94.030 tons) o espectro provável, descartando 97,4648% das cores como candidatas a tons de pele humana. Os filtros propostos, quando aplicados à redução do espectro provável de tons de pele humana, selecionaram faixas bem definidas na representação geométrica dos espaços de cores. A validação experimental da eficácia do modelo RGB mostrou que o filtro proposto apresenta características conservadoras na detecção de pele classificando como pele, erroneamente, apenas 4,5075% do espaço amostral. O filtro RGB proposto possui baixa sensibilidade de 56,9698% e elevada especificidade de 95,4925% na detecção de pele humana em imagens digitais. O modelo HSV apresentou taxas de baixa sensibilidade (54,6333%) e alta especificidade (92,6390%), quando comparadas ao desempenho dos demais algoritmos propostos na literatura.

O uso da visão computacional vem ganhando espaço no contexto agrícola, especialmente com a evolução do conceito da agricultura de precisão. Aplicações como irrigação, fertilização e controle de pragas são apenas alguns dos cenários que essa tecnologia pode atender. Entretanto, a demanda por sistemas acessíveis e eficientes aliada às inconstâncias e ruídos visuais de um ambiente externo, apresentam desafios a estes processos. Foi proposto neste trabalho uma análise da literatura e uma série de investidas experimentais de técnicas de processamento de imagens, para buscar melhores relações entre custo computacional e desempenho da detecção de mudas de plantas, visando atingir operações em tempo real com o uso de hardwares comuns e de baixo custo. Para tanto o trabalho investiga a composição de estratégias de segmentação a partir de diferentes espaços de cor e métodos de constância de cor, de forma a reduzir a variação luminosa, uma das maiores fontes de instabilidade nas aplicações de visão na agricultura. Os experimentos propostos foram divididos em duas fases; na primeira o sistema de medidas foi avaliado, definindo as métricas e condições experimentais adequadas para a segunda fase, composta de uma sequência de experimentos comparativos entre estratégias de segmentação sob diferentes condições de iluminação. Os resultados mostraram que as soluções são muito dependentes das condições da cena e uma série de alternativas promissoras de segmentação foram obtidas. Sua elegibilidade, porém, depende de considerações sobre a disponibilidade computacional e contexto de aplicação. / The use of computer vision has been gaining ground in the agricultural context, especially with the evolution of the concept of precision agriculture. Applications such as irrigation, fertilization and pest control are just some of the scenarios that this technology can be used. However, the demand for accessible and efficient systems together with the variations and visual noise from an external environment presents challenges to these processes. It was proposed in this study an analysis of the literature and a series of experimental investigations of image processing techniques, to search for better relations between computational cost and performance in the detection of seedlings, aiming to achieve real time operations with the use of common and low cost hardware. For this, the work investigates the composition of segmentation strategies from different color spaces and color constancy methods, in order to combat light variation, one of the major sources of instability in agricultural vision applications. The proposed experiments were divided into two phases; in the first the measurement system was evaluated, defining the metrics and suitable conditions for the experiments at second phase, composed of a sequence of comparative experiments of segmentation strategies under different lighting conditions. The results showed that the solutions are very dependent on the conditions of the scene and a series of promising segmentation alternatives were obtained. Their eligibility, however, depends on considerations about the computational availability and context of the application.