O milho é uma cultura anual importante para diferentes setores da economia mundial. Sua produção é principalmente utilizada para consumo humano e animal, além de indústrias química e de biocombustíveis. Com o aumento da demanda mundial, há a necessidade de aumento da produtividade com diminuição de custos, tanto econômicos como ambientais. Isso leva a investimentos para maior tecnificação do cultivo, seleção de diferentes cultivares e busca por maior eficiência nutricional. Nesse contexto insere-se este doutorado, o qual propõe metodologia para diagnóstico nutricional precoce em culturas de milho. Para tanto, objetiva-se melhorar um sistema de classificação nutricional por imagem de folhas, analisar a invariância deste diagnóstico a diferentes híbridos de milho e identificar características que permitam uma análise em estágio precoce do ciclo de crescimento. Além disso, os estudos são realizados sobre experimentos de cultivos em ambiente controlado e em ambiente comercial. A análise das imagens é realizada pela extração de características de textura e, consequentemente, resulta no desenvolvimento de metodologias inovadoras nesta área. Especificamente, são propostas duas metodologias na área de descritores fractais e usando transformação local jet. Os resultados da diagnose nutricional demonstram como é promissora a pesquisa, uma vez que obtém-se 98% de acerto na classificação de níveis nutricionais de nitrogênio ou potássio em etapa chave para correção nutricional em um mesmo ciclo da cultura. Outra abordagem proposta, ainda promove a identificação e visualização de sintomas em estágio em que esses sintomas são considerados ocultos, comprovando a eficácia do reconhecimento de padrões de textura. / The maize is an important annual crop for different sectors of the world economy. Its production is mainly used for human and animal consumption as well as chemical and biofuels industry. Because of the increase in world demand, there is the need for increased productivity with lower costs, both economic and ecological. This leads to greater investments in technification of cultivation, selection of different cultivars and research to improve nutritional efficiency. In this context, this PhD research proposes a methodology for early nutritional diagnosis in maize crops. Therefore, it is aimed to improve a nutritional classification system for image of leaves, analysis the invariance of this diagnostic at different maize hybrids and identifying features to provide an analysis at an early stage of the growth cycle. Furthermore, studies are conducted on crops under controlled environment and in a commercial environment. The image analysis is performed by texture feature extracting and, consequently, results in innovative methodologies in this area. Specifically, two methods are proposed in the area of fractal descriptors and using local jet transformation. The results of nutritional diagnosis demonstrate how research is promising, due to the 98% success rate in the classification of nutritional levels of nitrogen or potassium, in a key stage for nutritional correction in the same crop cycle. Another proposed approach promotes the symptoms identification and visualization in a stage where these symptoms are considered hidden, proving the effectiveness of the pattern recognition based on texture features.
| Identifer | oai:union.ndltd.org:IBICT/oai:teses.usp.br:tde-27012017-102243 |
| Date | 27 January 2016 |
| Creators | Marcos William da Silva Oliveira |
| Contributors | Odemir Martinez Bruno, João do Espírito Santo Batista Neto, Maurilio Boaventura, Francisco Eduardo Gontijo Guimarães, Agma Juci Machado Traina |
| Publisher | Universidade de São Paulo, Ciências da Computação e Matemática Computacional, USP, BR |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da USP, instname:Universidade de São Paulo, instacron:USP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds