Orientador: Carlos Roberto Padovani / Banca: Wilson da Silva Moraes / Banca: José Carlos Martinez / Banca: Marie Oshiwa / Banca: Sandra Fiorelli de Almeida Penteado / Resumo: O presente trabalho investigou a utilização do processamento digital de imagens conjuntamente com a análise de componentes principais e redes neurais artificiais como ferramentas de apoio para uma melhor identificação dos estádios iniciais do desenvolvimento da Sigatoka Negra, em nível de campo, para que medidas de controle sejam adotadas mais rapidamente e, assim, reduzir danos e prejuízos causados pela doença na bananicultura. Foram coletadas imagens digitais de folhas de bananeiras infectadas com a Sigatoka Negra nos estádios 1, 2 e 3, sadia e com fitotoxidez por óleo. A seguir, extraíram-se histogramas dos componentes de imagens no sistema RGB (Red, Green eBlue) para 256 intensidades de cinza das amostras, totalizando 768 variáveis para cada amostra. Com a aplicação de uma técnica de seleção de atributos, a análise de componentes principais, conseguiu-se reduzir as variáveis de entrada de 768 para 11 variáveis canônicas, representado uma redução de 98,6%. Em seguida, considerando-se as variáveis canônicas, realizou-se a fase de classificação com o uso de redes neurais artificiais. De maneira geral, as maiores freqüências de acertos do modelo foram para as classes que mais interessam ao monitoramento da enfermidade, mostrando a robustez do classificador gerado, evidenciada pela baixa probabilidade de classificação incorreta (19%). / Abstract: This study investigated the application, specifically the digital processing of images, with main components analysis and artificial neural networks as tools to support for a better identification of the primaries stages of the Black Sigatoka, in field level, so that control measures are adopted more quickly and consequently it reduces injuries and damages caused by the disease in the banana crops. It were collected digital images of banana leaves infected with Black Sigatoka in stages 1, 2, and 3, healthy and with oil fitotoxity. To proceed, histograms of the components of images were extracted in the system RGB (Red, Green and Blue) for 256 intensities shades of gray of the samples, totaling 768 variables for each sample. With the application of a technique of selection of attributes, the main components analysis, it was possible to reduce the variables of entrance of 768 for 11 canonical variables, represented a reduction of 98,6%. Therefore, being considered the canonical variables, it was accomplished the classification phase with the use of artificial neural networks. In a general way, the largest frequencies of successes of the model went to the classes that more they interest to the control of the diseases, showing the robustness of the generated classifier, evidenced by the low probability of wrong classification (19%). / Doutor

Made available in DSpace on 2014-06-11T19:31:35Z (GMT). No. of bitstreams: 0 Previous issue date: 2008-12-10Bitstream added on 2014-06-13T19:02:00Z : No. of bitstreams: 1 silva_shmg_dr_botfca.pdf: 1183066 bytes, checksum: 90313e74dffe24f7d376280e7532d49f (MD5) / Outros / O presente trabalho investigou a utilização do processamento digital de imagens conjuntamente com a análise de componentes principais e redes neurais artificiais como ferramentas de apoio para uma melhor identificação dos estádios iniciais do desenvolvimento da Sigatoka Negra, em nível de campo, para que medidas de controle sejam adotadas mais rapidamente e, assim, reduzir danos e prejuízos causados pela doença na bananicultura. Foram coletadas imagens digitais de folhas de bananeiras infectadas com a Sigatoka Negra nos estádios 1, 2 e 3, sadia e com fitotoxidez por óleo. A seguir, extraíram-se histogramas dos componentes de imagens no sistema RGB (Red, Green eBlue) para 256 intensidades de cinza das amostras, totalizando 768 variáveis para cada amostra. Com a aplicação de uma técnica de seleção de atributos, a análise de componentes principais, conseguiu-se reduzir as variáveis de entrada de 768 para 11 variáveis canônicas, representado uma redução de 98,6%. Em seguida, considerando-se as variáveis canônicas, realizou-se a fase de classificação com o uso de redes neurais artificiais. De maneira geral, as maiores freqüências de acertos do modelo foram para as classes que mais interessam ao monitoramento da enfermidade, mostrando a robustez do classificador gerado, evidenciada pela baixa probabilidade de classificação incorreta (19%). / This study investigated the application, specifically the digital processing of images, with main components analysis and artificial neural networks as tools to support for a better identification of the primaries stages of the Black Sigatoka, in field level, so that control measures are adopted more quickly and consequently it reduces injuries and damages caused by the disease in the banana crops. It were collected digital images of banana leaves infected with Black Sigatoka in stages 1, 2, and 3, healthy and with oil fitotoxity. To proceed, histograms of the components of images were extracted in the system RGB (Red, Green and Blue) for 256 intensities shades of gray of the samples, totaling 768 variables for each sample. With the application of a technique of selection of attributes, the main components analysis, it was possible to reduce the variables of entrance of 768 for 11 canonical variables, represented a reduction of 98,6%. Therefore, being considered the canonical variables, it was accomplished the classification phase with the use of artificial neural networks. In a general way, the largest frequencies of successes of the model went to the classes that more they interest to the control of the diseases, showing the robustness of the generated classifier, evidenced by the low probability of wrong classification (19%).

Made available in DSpace on 2015-03-26T13:51:59Z (GMT). No. of bitstreams: 1 texto completo.pdf: 536332 bytes, checksum: 5951891794c17e210fb52fda2d6fa297 (MD5) Previous issue date: 2013-03-22 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Devido à ausência de estudo de caracterização da variabilidade genética das populações de Pseudocercospora fijiensis recentemente introduzidas no Brasil, o objetivo desse trabalho foi avaliar a adequabilidade do marcador IRAP para estudar variações genéticas entre indivíduos, bem como determinar a estrutura genética da população brasileira de P. fijiensis com base no fingerprinting gerado por amplificação de polimorfismo entre retrotransposons (IRAP). Um total de 22 locos foi amplificado, sendo 77.3 % polimórficos. A análise de agrupamento revelou dois principais grupos no Brasil. A diversidade gênica (HE) foi de 0.22 e pela análise de variância molecular verificou-se que a maior variabilidade genética está dentro das populações. A Análise Discriminante de Componente Principal (DAPC) revelou que não há nenhuma estruturação relacionada com as origens geográficas e cultiva hospedeiro. O sistema de marcador baseado em retrotransposon IRAP é ferramenta apropriada para estudar a variabilidade genética em P. fijiensis. / Due to the lack of characterization study of genetic variability in populations of Pseudocercospora fijiensis recently introduced in Brazil, the objective of this study was to evaluate the suitability of IRAP marker for studying genetic variations between individuals, and to determine the genetic structure of the population of P. fijiensis based on fingerprinting generated by inter-retrotransposons amplified polymorphism (IRAP). A total of 22 loci were amplified and 77.3% showed a polymorphism. Cluster analysis revealed two major groups in Brazil. The observed genetic diversity (HE) was 0.22, and through molecular analysis of variance, it was determined that the greatest genetic variability occurs within populations. The Discriminant Analysis of Principal Components (DAPC) revealed no structuring related to the geographical origin of culture of the host. The IRAP-based marker system is a suitable tool for the study of genetic variability in P. fijiensis.

Made available in DSpace on 2016-06-02T19:06:02Z (GMT). No. of bitstreams: 1 4859.pdf: 3995047 bytes, checksum: d6fe8fefac57632109ba02702cb2a16a (MD5) Previous issue date: 2012-06-11 / Financiadora de Estudos e Projetos / The digital image processing has been used to solve a significant number of problems in the agricultural sector, especially with the evolution of remote sensing systems. This work presents a computational model based on digital image processing and remote sensing to infer about the risk in the agricultural environment. To validate the method, a experimental study was conducted about the risk of fungal disease in banana plantations. Temporal series of meteorological and monitoring data of the disease, organized in classes for the definition of probability distribution models, based on polynomial functions were used to validate results as well as satellite images integrated by fusion techniques, geometric corrections and re-sampling with interpolators based on kriging techniques. Fusion methods by IHS (Intensity, Hue, and Saturation) and PCA (Principal Component Analysis) and the Gaussian models, exponential and cylindrical for the ordinary kriging were tested. The IHS fusion technique demonstrated to be more interesting in relation the PCA technique, with correlation coefficients between bands 2, 3 and 4 originals and hybrids, of 0.2318, 0.0304 and 0.1800, respectively. The method of ordinary kriging for re-sampling of the images showed better results when adjusted by the Gaussian model. The proposed method is feasible to the development of risk maps of disease occurrence, since confer spatial and temporal variability in relation to the model existing on the literature for the region. / O processamento de imagens digitais tem auxiliado na solução de um expressivo número de problemas do setor agrícola, sobretudo com a evolução dos sistemas de sensoriamento remoto. Este trabalho tem por objetivo apresentar um modelo computacional baseado em processamento digital de imagens e sensoriamento remoto para inferência de risco em ambiente agrícola. Para validação do método, foi realizado estudo experimental sobre o risco de ocorrência da doença fúngica em bananais. Foram utilizadas séries temporais de dados meteorológicos e de monitoramento da doença, organizados em classes para a definição de modelos de distribuição de probabilidades, baseados em funções polinomiais, bem como imagens de satélites, organizadas com técnicas de fusão, correções geométricas e re-amostragem, com interpoladores baseados em técnicas de krigagem. Foram testados os métodos de fusão por IHS (Intensity, Hue, Saturation) e PCA (Principal Component Analysis), bem como os modelos gaussiano, exponencial e cilíndrico para a krigagem ordinária. A técnica de fusão por IHS demonstrou-se mais interessante em relação à técnica por PCA, apresentando coeficientes de correlação entre as bandas 2, 3 e 4 originais e híbridas, de 0,2318, 0,0304 e 0,1800, respectivamente. O método de krigagem ordinária para reamostragem das imagens apresentou melhores resultados quando ajustado pelo modelo gaussiano. A metodologia proposta se apresentou viável e adequada para a elaboração de mapas de risco de ocorrência da doença, uma vez que conferece variabilidade espacial e temporal ao modelo já existente na literatura para aquela região.