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.
| Identifer | oai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-10072013-085725 |
| Date | 01 April 2013 |
| Creators | Romualdo, Liliane Maria |
| Contributors | Luz, Pedro Henrique de Cerqueira |
| Publisher | Biblioteca Digitais de Teses e Dissertações da USP |
| Source Sets | Universidade de São Paulo |
| Language | Portuguese |
| Detected Language | English |
| Type | Tese de Doutorado |
| Format | application/pdf |
| Rights | Liberar o conteúdo para acesso público. |
Page generated in 0.0213 seconds