Testes comportamentais do tipo Campo Aberto figuram dentre os mais básicos e consolidados para estudos de comportamento animal, sendo, portanto, amplamente utilizados em pesquisas de Neurociência e Farmacologia. Através dele se pode avaliar os efeitos da imposição de diferentes condições no comportamento de animais, bem como comparar ou caracterizar perfis típicos de comportamento entre linhagens de uma mesma espécie. Consistindo de soltar animal em uma caixa e observar, dentre outros parâmetros, seu deslocamento e preferência em permanecer nas áreas próximas às paredes ou nas centrais, a extração desses dados pela forma tradicional acabar por ser limitante à obtenção plena de resultados. Isso posto, este trabalho visa oferecer aos pesquisadores um meio para obter os dados de maneira automatizada, sem o desgaste de ficar assistindo o vídeo do teste para anotar o deslocamento. Escrita em Python, utilizando técnicas consolidadas de Visão Computacional e operações de compreensão acessível, esta ferramenta além de ser Open Source pode ser ajustada à extração de outros parâmetros e à aplicação em outras modalidades do teste, além de oferecer a medida do deslocamento de forma mais precisa. / Open Field Test is a basic and consolidated test used in Animal Behavior studies, especially Neuroscience and Pharmacology. Through it, its possible to evaluate the effects in behavior of imposing different conditions, as well to compare or characterize typical behavior profiles between lineages of the same species. Consisting of releasing an animal in a box and observing, among other parameters, its displacement and preference in remaining in the areas near the walls or in the central ones, the extraction of these data in the traditional way ends up being limiting to obtaining full results. That said, this essay aims to offer researchers a way to get the data in an automated way, without need watching the video of the test to note the displacement. Written in Python, using consolidated techniques of Computational Vision and operations of accessible comprehension, this tool besides being Open Source can be adjusted to the extraction of other parameters and application in other modalities of the test, besides offer a more accurate measure of displacement.

A análise de imagens é uma das formas de avaliar o desenvolvimento das plantas, tanto para correlacionar aspectos biofísicos dos mesmos, como para a detecção de doenças. Através das imagens podem ser calculados índices vegetativos que se correlacionem com os teores de nutrientes nas folhas. Com essa perspectiva, o presente trabalho objetivou avaliar quais indices vegetativos melhor se correlacionariam com a taxa de fósforo nas folhas de tomateiros. Foi realizado o cultivo de uma cultivar de minitomate, com cinco doses de fósforo (0, 25, 50, 75 e 100%) do P recomendado (na formulação da solução nutritiva). Em diferentes etapas do desenvolvimento da planta foram coletadas amostras das folhas para obtenção das imagens, através de escâner e máquina fotográfica, e diagnose foliar. Foram determinadas as biorrespostas das plantas ao longo do tempo. Uma rede neural artificial foi desenvolvida para estimar os teores de fósforo foliares no minitomate grape. A análise do desenvolvimento da planta permitiu concluir que a dose 100% de P2O5 utilizada no experimento foi suficiente para suprir a demanda nutricional do minitomateiro. Aos 64 dias após o transplantio (DAT) foi observada a maior queda nos teores de fósforo nas folhas, coincidindo com o amadurecimento dos frutos. Propõe-se, para a cultivar estudada, que a dignose foliar seja feita aos 50 DAT. Os índices vegetativos obtidos pela análise de imagem e selecionados pela análise de componentes principais (ICVE e Bn, tanto da parte abaxial quanto adaxial) podem ser utilizados para estimar a diagnose foliar de P na cultivar de minitomate grape. A avaliação dos índices vegetativos indicou que a obtenção de imagens com o escâner é mais adequado do que com a câmera fotográfica. Para a cultivar estudada, verificou-se que na dosagem de 100% de P2O5 teor de P nas folhas fica abaixo de 4,0 g kg-1. Em relação à rede neural desenvolvida, ao categorizar os valores de P de acordo com a literatura, a mesma obteve uma taxa de acerto de 90%. / The analysis of images is one of the ways to evaluate the development of plants, both to correlate biophysical aspects of the same, as for the detection of diseases. Through the images can be calculated vegetative indexes that correlate with the contents of nutrients in the leaves. With this perspective, the present studied aimed to evaluate which vegetative indexes would best correlate with the phosphorus rate in tomato leaves. A minitomato grape cultivar with five phosphorus doses (0, 25, 50, 75 and 100%) of the recommended P (in the formulation of the nutrient solution) was carried out. At different stages of plant development, leaf samples were collected to obtain the images, with scanner and camera, and foliar diagnosis. The bio-responses of plants were determined over time. An artificial neural network was developed to estimate leaf phosphorus levels in the grape minitomate. The analysis of the development of the plant allowed to conclude that the dose 100% of P2O5 used in the experiment was enough to supply the nutritional demand of the minitomateiro. At 64 days after transplanting (DAT), the highest drop in phosphorus content in the leaves was observed, coinciding with the ripening of the fruits. It is proposed, for the studied cultivar, that the leaf dignity should be made at 50 DAT. The vegetative indexes obtained by the image analysis and selected by the principal components analysis (ICVE and Bn, both abaxial and adaxial) can be used to estimate the leaf diagnosis of P in the minitomate grape cultivar. The evaluation of vegetative indexes indicated that obtaining images with the scanner is more appropriate than with the photographic camera. For the cultivar studied, it was verified that in the dosage of 100% of P2O5 content of P in the leaves is below 4.0 g kg-1. In relation to the developed neural network, when categorizing the P values according to the literature, it obtained a 90% correctness rate.

O presente trabalho foi motivado pela grande importância que tem o movimento na percepção do espaço. Essa função é comum nos sistemas de visão natural já que a sobrevivência de algumas espécies é função desse fenômeno físico. Obviamente, a detecção do movimento no sistema de visão humana é de vital importância. Visão computacional é uma área de pesquisa de forte interesse atual. Em visão computacional o movimento nas imagens é recuperado a partir de uma seqüência de imagens. Neste campo a análise do movimento dos objetos pelo processamento de seqüência de imagens tem tido aplicações em diversas áreas, desde o monitoramento de tráfego veicular até nas áreas biomédica e militar. Também, uma seqüência de imagens pode proporcionar informação das estruturas e comportamento dos objetos que pertencem à cena do mundo 3D. O objetivo do presente trabalho foi desenvolver uma metodologia computacional aplicada à detecção do movimento utilizando a técnica do Fluxo Ótico. Uma das características do Fluxo Ótico é que o campo de velocidades dos objetos que se movem na imagem pode ser estimado utilizando a informação local das mudanças do brilho da imagem. Aplicou-se a consideração de que só ocorre mudança de brilho nas regiões da imagem onde ocorreu movimento e que o brilho varia suavemente em quase toda a imagem.. Realizou-se uma implementação computacional com a qual a estimativa do Fluxo Ótico é bem sucedida para uma seqüência de imagens compatíveis de entrada. Executou-se uma operação de pré-processamento para filtrar e determinar as bordas das imagens. Utilizaram-se operadores derivativos para calcular as derivadas numéricas que permitem determinar a direção e a intensidade das velocidades. Aplicou-se a técnica de relaxação as velocidades calculadas para obter uma melhor aproximação. Como conseqüência da metodologia obtiveram-se resultados de (Diagramas de Agulha) que permitem por inspeção visual a detecção do movimento. O algoritmo é robusto no que se refere à manipulação das imagens, dados e cálculos. Para mostrar o bom desempenho da técnica apresentam-se os resultados de uma série de experiências que correspondem a diferentes formas de movimento: translação, rotação, translação-rotação, divergência, utilizando diversos tipos de cenas sintéticas e reais / The motivation for the present work was the great important of the movement in space perception. Movement detection is a normal function in natural vision systems, the survival of some animal species depends on it. In human vision movement detection is an essential feature. Computer vision is a strong contemporary research area. In computer vision systems movement is recovered from a sequence of image frames. Motion analysis using frame sequences has important applications, going from vehicular traffic monitoring to biomedical and military applications. A sequence of frame images can also supply information about the structure and behavior of objects belonging to the 3D world. The purpose of the present work was to develop a computer methodology for motion analysis using the optical flow methodology. The optical flow technique estimates the velocity field of moving objects in a sequence of images considering the local information of brightness change. It has been considered that the brightness changes occurs only because of the moving objects and is smooth over the entire image. The computer methodology developed for the optical flow estimation performed reasonably well for a compatible sequence of image frames. A pre-processing was used to filter and extract the edges of the images. Derivative operators were used to find the numeric derivatives of the brightness, which allow determining the value and the direction of the velocities. A relaxation technique was used to provide a better approximation of the velocities. As a result of the developed methodology we obtained from a sequence of two images, vector diagrams (needle diagrams) that allow by visual inspection the detection of motion. The algorithm is robust regarding to the image manipulation, data and numeric calculations. To show the good performance of the technique we present the results of some experiments with different motion types: translation, rotation, translation and rotation and divergence, using artificial and real images

Cada vez mais observa-se a inserção de novas tecnologias em salas de aulas. Com o auxílio de políticas publicas, computadores ligados a internet tem estado presentes nas classes nos mais longinquos lugares do nosso país. Isto tem proporcionado que o conhecimento chegue de forma mais ampla e irrestrita a todas as crianças em fase de desenvolvimento. Na ultima decada, além de microcomputadores, tem-se observado a presença, em salas de aulas, de Ipads, celulares, cujos proprietários são os próprios alunos e até mesmo lousa eletrônica em escolas com poder aquisitivo maior. Aliado a isto, nota-se também a inserção de kits robóticos que tem motivado muito os alunos no aprendizado de raciocínio lógico e de programação, pois, eles experimentam o conceito: \"aprender por meio do fazer\". O uso de todas estas tecnologias tem como objetivo principal cativar a atenção dos alunos, incentivar a pesquisa e o aprendizado interativo, uma vez que o ensino antes expositivo dá lugar ao ensino interativo, isto é, que conta com a participação mais ativa do estudante. Nesta direção, esta dissertação de Mestrado traz uma inovação no sentido que está sendo proposto um sistema que permite que um robô humanoide seja inserido em salas de aulas. Trata-se de um protótipo que permite que o robô reconheça figuras geométricas planas, que pode ser estendido para outros tipos de conteúdos. O objetivo é a integração de um sistema de visão computacional em um ambiente de controle de um robô humanoide para torná-lo capaz de reconhecer figuras geométricas planas, para ser utilizada como uma ferramenta de ensino. Este sistema de visão é baseado em técnicas de Atenção Visual e utiliza uma rede neural LEGION para segmentar os objetos mais salientes da imagem e uma rede neural do tipo Multicamadas (MLP), para realizar a classificação desses objetos. Graças a este sistema de visão, o robô consegue discernir figuras sobrepostas independente do ambiente real no qual esteja inserido. Para avaliar o desempenho do sistema proposto, algumas aplicações foram desenvolvidas que envolveram a participação de crianças interagindo com o robô no reconhecimento de figuras geométricas. Embora sejam necessários uma maior numero de experimentos, os resultados obtidos indicam que o sistema proposto apresenta-se como uma ferramenta alternativa, promissora e interessante, tendo sida muito bem recebida por parte dos alunos e professores. / Increasingly there has been the introduction of new technologies in the classroom. With the help of public policies, computers connected to the internet has been used in the classes in the far reaches of our country. This has provided the knowledge reachs broader and unrestricted way to all children under development. In the last decade, besides computers, has been seen the presence in classrooms of Ipads, smart phones, owned by the students themselves and even electronic whiteboard in schools with higher purchasing power. Added to this, there is also the inclusion of robotic kits that has motivated much students in learning logical reasoning and programming, as they experience the concept: \"learning through doing\". The use of all these technologies aims to captivate the attention of students, encourage research and interactive learning, since the school, before exhibition, gives way to interactive teaching, that is, who has the most active student participation. In this direction, this Masters thesis brings an innovation in the sense that is being proposed a system that allows a robot humanoid is inserted into classrooms. It is a prototype that allows the robot to recognize planar geometric figures, which can be extended to other types of content. The goal is the integration of a computer vision system in a control a humanoid robot environment to make it able to recognize This has provided the knowledge gets broader and unrestricted way all children under development geometric figures, to be used as a teaching tool. This vision system is based on Visual Attention techniques and uses a neural network LEGION to target the salient objects image and a Multilayer (MLP) neural network, to perform the classification of these objects. Thanks to the vision system, the robot can distinguish independent of the actual environment in which overlapping figures is inserted. To evaluate the performance of the proposed system, some applications were developed that involved the participation of children interacting with the robot in the recognition of geometric figures. Although a larger number of experiments are needed, the results indicate that the proposed system is presented as an alternative tool, promising and interesting, and it was very well received by students and teachers.

Apesar da popularidade das câmeras onidirecionais aplicadas à robótica móvel e da importância do reconhecimento de objetos no universo mais amplo da robótica e da visão computacional, é difícil encontrar trabalhos que relacionem ambos na literatura especializada. Este trabalho visa avaliar um método para classificação de objetos em imagens onidirecionais, analisando sua eficácia e eficiência para ser aplicado em tarefas de auto-localização e mapeamento de ambientes feitas por robôs moveis. Tal método é construído a partir de um classificador de objetos, implementado através de máquinas de suporte vetorial, estendidas para a utilização de Aprendizagem de Múltiplos Núcleos. Também na construção deste método, uma etapa de retificação é aplicada às imagens onidirecionais, de modo a aproximá-las das imagens convencionais, às quais o classificador utilizado já demonstrou bons resultados. A abordagem de Múltiplos Núcleos se faz necessária para possibilitar a aplicação de três tipos distintos de detectores de características em imagens, ponderando, para cada classe, a importância de cada uma das características em sua descrição. Resultados experimentais atestam a viabilidade de tal proposta. / Despite the popularity of omnidirectional cameras used in mobile robotics, and the importance of object recognition in the broader universe of robotics and computer vision, it is difficult to find works that relate both in the literature. This work aims at performing the evaluation of a method for object classification in omnidirectional images, evaluating its effectiveness and efficience considering its application to tasks of self-localization and environment mapping made by mobile robots. The method is based on a multiple kernel learning extended support vector machine object classifier. Furthermore, an unwrapping step is applied to omnidirectional images, to make them similar to perspective images, to which the classifier used has already shown good results. The Multiple Kernels approach is necessary to allow the use of three distinct types of feature detectors in omnidirectional images by considering, for each class, the importance of each feature in the description. Experimental results demonstrate the feasibility of such a proposal.

A robótica é uma área multidisciplinar que cresce continuamente com a contribuição do avanço científico e aumento frequente do poder computacional do hardware. As pesquisas em robótica estão divididas em diversas linhas de investigação. A visão computacional é uma das linhas de pesquisa de grande interesse devido à farta variedade de métodos e técnicas oferecidas. Um dos maiores desafios para os robôs é descobrir e analisar o ambiente em que estão inseridos. Dentre os principais sensores que podem ser utilizados, as câmeras digitais oferecem um bom benefício: podem ser leves, pequenas e baratas, características fundamentais para alguns robôs. Este trabalho propõe o desenvolvimento e análise de um sistema de visão computacional para rastrear veículos usando sistemas de detecção e classificação de segmentos em imagens. Para atingir os objetivos são investigados métodos de extração de informações das imagens, modelos de atenção visual e modelos de aprendizado bioinspirados para detecção e classificação de veículos. Para a tarefa de atenção visual foram utilizadas as técnicas de geração de mapas de saliência iNVT e VOCUS2, enquanto que para classificação foi empregada a técnicas bag-of-features e finalmente, para o rastreamento do veículo especificado, durante seu percurso em uma rodovia, foi adotada a técnica Camshift com filtro de Kalman. O sistema desenvolvido foi implementado com um robô aéreo e testado com imagens reais contendo diferentes veículos em uma rodovia e os resultados de classificação e rastreamento obtidos foram muito satisfatórios. / Robotics is a multidisciplinary area that continually grows with the contribution of scientific advancement and frequent increase in computational hardware power. Research in robotics are divided into several lines of investigation. Computer vision is one of the research areas of great interest due to the abundant variety of methods and techniques offered. One of the biggest challenges for the robots is to discover and analyze the environment in which they are inserted. Among the main sensors that can be used, digital cameras offer good benefits: they can be lightweitgh, small and cheap, which are fundamental characteristics for some robots. This work undertakes the development and analysis of a computer vision system to track vehicles by detecting and classifying segments in imaging systems. To achieve the objectives, methods on image information extraction, visual attention models and bioinspired learning models were studied for detection and classification of vehicles. For the task of visual attention the INVT and VOCUS2 models were used to generate saliency maps, while for classification was applied the bag-of-features method and finally to track the specified vehicle during its journey on a highway, it was adopted CamShift technique joint with a Kalman filter. The developed system was implemented with an aerial robot and tested with real images containing different vehicles on a highway and the results of classification and tracking obtained were very satisfactory.

O emprego de veículos autônomos é uma prática comumente adotada para a melhoria da produtividade no setor agrícola. No entanto, o custo computacional é um fator limitante na implementação desses dispositivos autônomos. A alternativa apresentada neste trabalho consistiu no desenvolvimento de um dispositivo de hardware dedicado para a navegação de robôs móveis agrícolas, o qual indica áreas navegáveis e não navegáveis, além do ângulo de inclinação do veículo em relação à linha de plantio. O desenvolvimento do projeto foi baseado em um método de extração de características visuais locais por meio do processamento de imagens coloridas obtidas por uma câmera de vídeo. O circuito foi implementado por meio de uma ferramenta de desenvolvimento baseado em um FPGA de baixo custo. O circuito consiste nas etapas de classificação, processamento morfológico e extração das linhas de navegação. Na primeira etapa, os pixels são classificados a partir do modelo de cores HSL em classes que representam as áreas passíveis e não passíveis de navegação. Posteriormente, a etapa de processamento morfológico realiza as tarefas de filtragem, agrupamento e extração de bordas. O processamento morfológico é realizado por meio de um arranjo de unidades de processamento dedicadas. Cada unidade pode realizar uma operação básica de morfologia matemática. O elemento estruturante utilizado na operação, bem como a operação realizada pela unidade, é configurado por meio de parâmetros do projeto. O processo de extração das linhas de orientação é realizado por meio do método de regressão linear por mínimos quadrados. A arquitetura proposta no projeto permitiu o processamento em tempo real de imagens para a aplicação de navegação autônoma de robôs móveis em ambientes agrícolas. / The use of autonomous vehicles is a generally adopted practice to improve the productivity in the agriculture sector. However, the computer requirements are a limiting factor for implementation of these autonomous devices. The alternative shown in this paper is the design of a dedicated hardware for the autonomous agricultural robot navigation. The project development was based on a local visual feature extraction method by processing digital images obtained from a color video camera. The circuit was implemented through a development tool based on a low cost FPGA. The circuit consists of stages of classification, morphological processing and guidance line extraction. In the first stage, the pixels are classified through HSL color model into classes that represent suitable and unsuitable area for navigation. Then, the morphological processing stage performs filtering, grouping and edge detection tasks. The morphological processing is carried out by an arrangement of dedicated processing units. Each unit can perform a basic operation of mathematical morphology. The structuring element used in the operation and the operation performed by the unit are configured through project parameters. The guidance line extraction process is performed through the linear regression method by least square. The architecture proposed in the design allowed the real-time image processing in autonomous robot navigation applications in agricultural environments.

A detecção e reconhecimento de objetos é uma tarefa fundamental em aplicações relacionadas à navegação autônoma de robôs móveis e veículos inteligentes. Com a evolução tecnológica nos sistemas sensoriais, surgiram equipamentos capazes de detectar e representar os elementos presentes no ambiente de forma tridimensional, em estruturas chamadas nuvem de pontos. Os sensores 3D geralmente capturam um grande volume de pontos em curtos intervalos de tempo, o que demanda técnicas robustas para processamento dessa informação além de tolerância a eventuais ruídos nos dados. Uma abordagem frequentemente utilizada na área de Visão Computacional para redução de dimensionalidade é a extração de features robustas, armazenando um subconjunto de informações representativas e simplificadas do conjunto de dados. Esta tese apresenta uma metodologia de classificação de objetos em nuvens de pontos 3D através da extração de features 3D globais. Foi desenvolvido um novo descritor 3D invariante à escala, translação e rotação denominado 3D-CSD (3D-Contour Sample Distances) para representação da superfície dos objetos presentes no ambiente, e utilizado um método de aprendizado supervisionado para reconhecimento de padrões. Os experimentos realizados envolveram o uso de Redes Neurais Artificiais para o reconhecimento de diferentes classes de objetos, avaliando e validando a metodologia proposta. Os resultados obtidos demostraram a viabilidade da aplicação desta abordagem para o reconhecimento de objetos em sistemas de percepção 3D. / Objects detection and recognition is a critical task in applications for mobile robots and intelligent vehicles autonomous navigation. With the advent of many 3D sensors, environment elements can be detected and represented in three-dimensional mode, in structures known as point clouds. 3D sensors usually capture a large amount of points at high rates, requiring robust techniques to process this information and also deal with noise on input data. A common approach in the Computer Vision field for dimensionality reduction is the use of robust features extraction techniques. This way, only a subset with representative and simplified information from the dataset is processed. This thesis presents a methodology for objects recognition in 3D point clouds using global 3D features extraction. A novel 3D descriptor invariant to scale, translation and rotation named 3D-CSD (3D-Contour Sample Distances) was developed to represent the objects surface, and a supervised learning method used for pattern recognition. The experiments were performed using Artificial Neural Networks for the recognition of different classes of objects, evaluating and validating the proposed methodology. Obtained results demonstrated the feasibility of this approach application for object recognition in 3D perception systems.

Para ter uma aplicação real, um robô móvel deve poder desempenhar sua tarefa em ambientes desconhecidos. Uma arquitetura para robôs móveis que se adapte ao meio em que o robô se encontra é então desejável. Este trabalho apresenta uma arquitetura adaptativa para robôs móveis, de nome AAREACT, que aprende como coordenar comportamentos primitivos codificados por Campos Potenciais através de aprendizado por reforço. Cada comportamento utiliza a informação de apenas um tipo de sensor (visão, sonar ou odometria). O sensor de visão foi desenvolvido neste trabalho, e utiliza os tempos para colisão obtidos através da análise de seqüências de imagens para indicar a disposição dos objetos à frente do robô. A atuação da arquitetura proposta é comparada com a apresentada por uma arquitetura com coordenação fixa dos comportamentos, demonstrando melhor desempenho. Os resultados obtidos neste trabalho também apontam a alta capacidade de adaptação da arquitetura AAREACT. / It is desirable that mobile robots applied to real world applications perform their operations in previously unknown environments. Thus, a mobile robot architecture capable of adaptation is very suitable. This work presents an adaptive architecture for mobile robots called AAREACT, that has the ability of learning how to coordinate primitive behaviors codified by the Potential Fields method through reinforcement learning. Each behavior uses the information of a single sensor (vision, sonar or odometer). This work also brings details about the vision sensor\'s development, which uses time-to-crash information in order to detect distances to frontal obstacles. The proposed architecture\'s actuation is compared to that showed by an architecture that performs a fixed coordination of its behaviors, and shows a better performance. The obtained results also suggest that AAREACT has good adaptation skills.

Um sistema de visão artificial (SVA) para diagnose nutricional de milho, baseado em análise de imagens de folhas foi recentemente proposto pelo GCC-IFSC e Agrárias-FZEA/USP. O objetivo do estudo foi avaliar o estado nutricional do milho cultivado em casa de vegetação em solução nutritiva, com deficiência e suficiência nutricionais induzidas de nitrogênio (N), fósforo (P), potássio (K) e manganês (Mn) utilizando visão artificial, e posteriormente em campo visando validar o diagnóstico pelo sistema de visão artificial desenvolvido. As doses dos nutrientes foram constituídas pela omissão, 1/5, 2/5 e a dose completa, combinadas em três estádios de desenvolvimento do milho (V4, V7 e R1), com quatro repetições. O experimento foi individual para cada elemento. Em cada época foram coletadas imagens de folhas indicativas do estádio (FI), folhas velhas (FV) para o N, P e K e folhas novas para o Mn, que foram primeiramente digitalizadas em 1200 dpi, e em seguida encaminhadas para serem analisadas quimicamente. Também foram avaliadas nas plantas, as variáveis biométricas (altura, diâmetro do colmo e número de folhas) e determinar as produções de massa seca da parte aérea e do sistema radicular, além da determinação dos teores de nutrientes. A omissão de N, P e K proporcionaram deficiências nutricionais características nas folhas do milho, quando cultivado em casa de vegetação. As modificações nas folhas do milho, com as doses dos nutrientes estudadas, possibilitaram a obtenção de imagens necessárias para o desenvolvimento do SVA, em casa de vegetação. A utilização das imagens da casa de vegetação para treinar o SVA visando à validação de imagens do campo, gerou confusão na interpretação, levando a erros de classificação, entretanto, o uso desta tecnologia para diagnose nutricional do milho, tanto em casa de vegetação, como no campo, é promissora. / An artificial vision system (AVS) for nutrient diagnosis of corn, based on analysis of images of leaves was recently proposed by SCG-IFSC and Agrarian-FZEA/USP. The objective was evaluate the nutritional status of maize grown in a greenhouse in nutrient solution with induced nutritional deficiency and sufficiency of nitrogen (N), phosphorus (P), potassium (K) and manganese (Mn) using artificial vision, and correlate the results obtained with foliar analysis, and then the field in order to validate the diagnosis by artificial vision system developed. Doses of nutrients were established by omission, 1/5, 2/5 and full dose, combined into three developmental stages of corn (V4, V7 and R1), with four replications. The experiment was for each individual element. Images of leaves were collected in each epoch indicating the stage (FI), old leaves (FV) for N, P and K and Mn for new leaves, which were first scanned at 1200 dpi, then sent to be analyzed chemically. The biometric variables (height, stem diameter and number of leaves) were also evaluated, and the dry matter production of shoots and roots was determined, besides the determination of nutritional content. The omission of N, P and K caused typical nutrient deficiencies provided in the leaves of maize when grown in a greenhouse. The changes in the leaves of maize, with doses of nutrients studied, allowed the imaging necessary for training SVA in a greenhouse. The use of images of the greenhouse to train the SVA aiming to validate images of the field has led to confusion in the interpretation leading to errors of classification, however the use of this technology for nutrient diagnosis of corn, both in the greenhouse and in the field, is promising.