A identificação de plantas invasoras é de extrema importância em diversos procedimentos utilizados na agricultura. Apesar de ser uma tarefa computacionalmente difícil, esta identificação tem se tornado muito importante no contexto da agricultura de precisão. A agricultura de precisão substitui os tratos culturais de grandes áreas da cultura, feitos pela média do nível dos problemas encontrados nessas áreas, por tratamento específicos e pontuais. As pricipais vantagens são o aumento de produtividade, relacionado com a diminuição da variabilidade na produção, a economia de insumos e a preservação do meio ambiente. Este trabalho enfoca o reconhecimento de plantas invasoras em tempo real. Para manter o requisito de tempo real, são utilizadas redes neurais artificiais como meio para o reconhecimento de padrões. Entre as diversas plantas invasoras de ocorrência freqüente no cerrado brasileiro, foi selecionado o picão preto para a avaliação das técnicas adotadas. Uma arquitetura modular de reconhecimento é proposta, com o uso de processamento paralelo, facilitando a inclusão de módulos de reconhecimento de outras plantas invasoras sem a deterioração do desempenho do sistema. Os resultados obtidos são amplamente satisfatórios, demonstrando a possibilidade do desenvolvimento de um sistema embarcado completo de identificação de plantas invasoras em tempo real. Este sistema, apoiado pelo sistema de posicionamento global GPS, pode servir de base para uma série de máquinas agrícolas inteligentes, como pulverizadores de herbicidas e outros defensivos utilizados na agricultura. / Weed identification is an important task in many agricultural procedures. In spite of being a computation intensive task, this identification is very important in the role of precision agriculture. Conventional procedures in agriculture are based on the average level of the problems found in large areas. Precision agriculture introduces new punctual management procedures, dealing with very small areas. The main advantages are: productivity increase, related with the decrease in production unevenness, economy and environment preservation. This work focuses on the real time recognition of weeds. To maintain the real time requirement, neural networks are used to carry out the recognition of image patterns. Among the several weeds frequently found in the Brazilian savannah, the "picão preto" was selected for the evaluation of the adopted techniques. A modular architecture is proposed, using parallel processing, making easier the use of new recognition modules (for other weeds), still preserving the real time capabilities of the system. Results obtained are thoroughly adequate, demonstrating the possibility of the development of embedded systems for the identification of several weeds in real time. These systems, jointly with the global positioning system (GPS), can be used in a family of intelligent equipment, such as spraying machines for herbicides and other agricultural products.

A identificação de plantas invasoras é de extrema importância em diversos procedimentos utilizados na agricultura. Apesar de ser uma tarefa computacionalmente difícil, esta identificação tem se tornado muito importante no contexto da agricultura de precisão. A agricultura de precisão substitui os tratos culturais de grandes áreas da cultura, feitos pela média do nível dos problemas encontrados nessas áreas, por tratamento específicos e pontuais. As pricipais vantagens são o aumento de produtividade, relacionado com a diminuição da variabilidade na produção, a economia de insumos e a preservação do meio ambiente. Este trabalho enfoca o reconhecimento de plantas invasoras em tempo real. Para manter o requisito de tempo real, são utilizadas redes neurais artificiais como meio para o reconhecimento de padrões. Entre as diversas plantas invasoras de ocorrência freqüente no cerrado brasileiro, foi selecionado o picão preto para a avaliação das técnicas adotadas. Uma arquitetura modular de reconhecimento é proposta, com o uso de processamento paralelo, facilitando a inclusão de módulos de reconhecimento de outras plantas invasoras sem a deterioração do desempenho do sistema. Os resultados obtidos são amplamente satisfatórios, demonstrando a possibilidade do desenvolvimento de um sistema embarcado completo de identificação de plantas invasoras em tempo real. Este sistema, apoiado pelo sistema de posicionamento global GPS, pode servir de base para uma série de máquinas agrícolas inteligentes, como pulverizadores de herbicidas e outros defensivos utilizados na agricultura. / Weed identification is an important task in many agricultural procedures. In spite of being a computation intensive task, this identification is very important in the role of precision agriculture. Conventional procedures in agriculture are based on the average level of the problems found in large areas. Precision agriculture introduces new punctual management procedures, dealing with very small areas. The main advantages are: productivity increase, related with the decrease in production unevenness, economy and environment preservation. This work focuses on the real time recognition of weeds. To maintain the real time requirement, neural networks are used to carry out the recognition of image patterns. Among the several weeds frequently found in the Brazilian savannah, the "picão preto" was selected for the evaluation of the adopted techniques. A modular architecture is proposed, using parallel processing, making easier the use of new recognition modules (for other weeds), still preserving the real time capabilities of the system. Results obtained are thoroughly adequate, demonstrating the possibility of the development of embedded systems for the identification of several weeds in real time. These systems, jointly with the global positioning system (GPS), can be used in a family of intelligent equipment, such as spraying machines for herbicides and other agricultural products.