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.

Made available in DSpace on 2017-07-21T14:19:24Z (GMT). No. of bitstreams: 1 Melo, Geisla Albuquerque.pdf: 2986772 bytes, checksum: 02494f1ef68a9df48a1184c0a3e81dce (MD5) Previous issue date: 2015-05-25 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / According to Embrapa (2013), Brazil is the world's second largest soy producer just after the United States. Season after season, the production and planted area in Brazil is growing, however, climatic factors and crop diseases are affecting plantation, preventing further growth, and causing losses to farmers. Asian rust caused by Phakopsora pachyrhizi, is a foliar disease, considered one of the most important diseases at present, because of the potential for loss. Asian rust can be mistaken for other diseases in soybeans, such as Bacterial Blight, a Stain Brown and Bacterial Pustule, due to similar visual appearances. Thus, the present study aimed to develop an application for mobile devices using the Android platform to perform automatic recognition of the Asian soybean rust severity indices to assist in the early diagnosis and therefore assist in decision-making as the management and control of the disease. For this, was used techniques of digital image processing (DIP) and Artificial Neural Networks (ANN). First, around 3.000 soybean leaves were collected in the field, where about 2.000 were harnessed. Then it were separated by severity index, photographed in a controlled environment, and after that were processed in order to eliminate noise and background images. Filtering preprocessing phase consisted of median filter, Gaussian filter processing for gray scale, Canny edge detector, expansion, find and drawcontours, and finally the cut of leaf. After this was extracted color and texture features of the images, which were the average R, G and B Variant also for the three channels R, G and B according angular momentum, entropy, contrast, homogeneity, and finally correlation the severity degree previously known. With these data, the training was performed an ANN through the neural network simulator BrNeural. During training, parameters such as number of severity levels and number of neurons of the hidden layer have changed. After training, was chosen network architecture that gave better results, with 78.86% accuracy for Resilient-propagation algorithm. This network was saved in an object and inserted into the application, ready to be used with new data. Thus, the application takes the soybean leaf picture and filters the acquired image. After this, it extracts the features and commands internally to the trained neural network, which analyzes and reports the severity. Still, it is optionally possible to see a georeferenced map of the property, with the severities identified by small colored squares, each representing a different index. / Segundo a Embrapa (2013), o Brasil é o segundo maior produtor de soja do mundo, atrás apenas nos Estados Unidos. Safra após safra, a produção e a área plantada do Brasil vem crescendo, entretanto, fatores climáticos e doenças da cultura vêm afetando as lavouras, impedindo um crescimento ainda maior, e causando perdas para os agricultores. A ferrugem asiática, causada pelo fungo Phakopsora pachyrhizi, é uma doença foliar, considerada uma das doenças de maior importância na atualidade, devido ao grande potencial de perdas. A ferrugem asiática pode ser confundida com outras doenças na soja, como o Crestamento Bacteriano, a Mancha Parda e a Pústula Bacteriana, devido às aparências visuais semelhantes. Deste modo, O presente estudo teve por objetivo desenvolver um aplicativo para dispositivos móveis que utilizam a plataforma Android, para realizar o reconhecimento automático dos índices de severidade da ferrugem asiática da soja, para auxiliar no diagnóstico precoce e por consequência, auxiliar na tomada de decisão quanto ao manejo e controle da doença. Para isto, foram utilizadas técnicas de Processamento Digital de Imagens (PDI) e Redes Neurais Artificiais (RNA). Primeiramente, foram coletadas aproximadamente 3 mil folhas de soja em campo, onde cerca de 2 mil foram aproveitadas. Então elas foram separadas por índices de severidade, fotografadas em ambiente controlado, e após isto foram processadas com o objetivo de eliminar ruídos e o fundo das imagens. A fase de filtragem do pré-processamento consistiu nos filtros da mediana, filtro Gaussiano, transformação para escala de cinza, detector de bordas Canny, dilatação, find e drawcontours, e por fim o recorte da folha. Após isto, foram extraídas as características de cor e textura das imagens, que foram as médias R, G e B, Variância também para os três canais R, G e B, Segundo Momento Angular, Entropia, Contraste, Homogeneidade, Correlação e por fim, o Grau de Severidade previamente sabido. Com estes dados, foi realizado o treinamento de uma RNA através do simulador de redes neurais BrNeural. Durante o treinamento, parâmetros como quantidade de níveis de severidade e quantidade de neurônios da camada oculta foram alterados. Após o treinamento, foi escolhida a arquitetura de rede que deu melhor resultado, com 78,86% de acerto para o algoritmo Resilient-propagation. Esta rede foi salva em um objeto e inserida no aplicativo, pronta para ser utilizada com dados novos. Assim, o aplicativo tira a foto da folha de soja e faz a filtragem da imagem adquirida. Após isto, extrai as características e manda internamente para a rede neural treinada, que analisa e informa a severidade. Ainda, opcionalmente é possível ver um mapa georreferenciado da propriedade, com as severidades identificadas por pequenos quadrados coloridos, representando cada um, um índice diferente.

Made available in DSpace on 2016-12-23T14:33:44Z (GMT). No. of bitstreams: 1 Helio Perroni Filho - Parte 1.pdf: 3384577 bytes, checksum: 0d5b939b9a0aba325eeba2cd1c1dc632 (MD5) Previous issue date: 2010-02-28 / Um problema central para a Visão Computacional é o de depth estimation ( estimativa de profundidades ) isto é, derivar, a partir de uma ou mais imagens de uma cena, um depth map ( mapa de profundidades ) que determine as distâncias entre o observador e cada ponto das várias superfícies capturadas. Não é surpresa, portanto, que a abordagem de stereo correspondence ( correspondência estéreo ), tradicionalmente usada nesse problema, seja um dos tópicos mais intensamente investigados do campo... / Depth estimation taking one or more images from a scene and estimating a depth map, which determines distances between the observer and points taken from various object surfaces is a central problem in computer vision...

Orientador: Paulo Roberto Gardel Kurka / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-22T04:30:40Z (GMT). No. of bitstreams: 1 RojasRojas_OscarErnesto_M.pdf: 6796048 bytes, checksum: b8ed20ae8705d42b0bf18085a62d0b64 (MD5) Previous issue date: 2013 / Resumo: Este trabalho tem como finalidade a implementação de um método de medição de ângulos de alinhamento de direção veicular, baseado em imagens estereoscópicas. São desenvolvidas soluções de processamento e análise de imagens, bem como a sua integração em um programa gerenciador da tarefa de medição dos ângulos. A implementação do programa de gerenciamento é feita utilizando os conceitos model-view-control (MVC) e programação orientada a objetos. Utilizam-se os pacotes de código livre framework C++ Qt®, Armadillo, OpenCV e DOxygen. São apresentados resultados de operação do sistema utilizando imagens virtuais e reais. / Abstract: The main objective of this work is the implementation of a measuring methodology to obtain the angles of alignment of the steering mechanism of a car, based on stereoscopic images. Solutions for image processing and analysis are proposed and implemented in the form of integrated operating software. Implementation of the software is done using the MVC (Model-View-Controller) and OOP (Object Oriented Programming) concepts. Free software packages are used, such as the Qt® C++ Framework, Armadillo, OpenCV and DOxygen. Results from the use of the operating software are presented, using virtual and real images. / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica