Análise semi-automática do arranjo espacial de plantas de milho utilizando visão computacional

• Main Author: Brilhador, Anderson
• Other Authors: Lopes, Fabrício Martins
• Language: Portuguese
• Published: Universidade Tecnológica Federal do Paraná 2018
• Subjects: CNPQ::CIENCIAS EXATAS E DA TERRA; Processamento eletrônico de dados; Agricultura de precisão; Biotecnologia agrícola; Electronic data processing; Precision farming; Agricultural biotechnology; Ciência da Computação
• Online Access: http://repositorio.utfpr.edu.br/jspui/handle/1/2954

A demanda mundial por alimentos cresce a cada ano, tornando necessário o desenvolvimento de novas tecnologias que aumentem a produção de grãos sem aumentar as áreas destinadas ao para plantio. A cultura de milho é uma das principais commodities do mundo, sendo utilizada na alimentação humana e como ração de outros animais, além de possuir outros fins industriais. O milho é sensível ao arranjo espacial de plantas e qualquer variação no padrão de distribuição pode levar à redução na produção do milho. Atualmente, o processo de verificação da uniformidade dos espaçamentos entre plantas é realizado de forma manual por agrônomos e produtores, a fim de prever possíveis perdas de produção. Nesse contexto, este trabalho propõe uma abordagem automática para a análise do arranjo espacial de plantas por meio da mensuração dos espaçamentos entre plantas de milho em fases inicias de crescimento. A partir dessa mensuração são extraídas informações relevantes como densidade populacional, uniformidade do plantio e estimativas de perdas. A abordagem proposta utiliza técnicas de visão computacional de baixo custo computacional para identificar as plantas de milho e mensurar os espaçamentos entre plantas, permitindo seu uso em dispositivos com baixo poder computacional como smartphones e tablets. Um conjunto de imagens foi construído como uma contribuição adicional do trabalho contento 222 imagens panorâmicas da linha de plantio de milho em três condições de plantio: direto, convencional e direto após aplicação de herbicidas. Os resultados dos experimentos alcançaram uma taxa de 90% de precisão e 87% de sensibilidade na identificação das plantas de milhos presentes na base. Uma comparação entre as medidas dos espaçamentos entre plantas realizadas de forma manual e por visão computacional, não apresentou diferenças significativas entre as medições, indicando a eficácia da abordagem proposta no trabalho. === Global demand for food is growing every year, requiring the development of new technologies that increase grain production without increasing the areas destined for planting. The corn crop is a major commodity in the world and is used as food, feed for other animals, in addition to having other industrial purposes. Corn is sensitive to the spatial arrangement of plants and any variation in distribution pattern can lead to reduction in the production of corn. Currently, the process of checking the uniformity of spacing between plants is done manually by agronomists and producers in order to predict possible production losses. In this context, this paper proposes an automatic approach to the analysis of the spatial arrangement of plants by measuring the spacing between corn plants in early stages of growth. From this measurement are extracted relevant information such as population density, uniformity of planting and loss estimates. The proposed approach uses computer vision techniques of low computational cost to identify corn plants and measure the spacing between plants, allowing its use in devices with low computational power such as smartphones and tablets. A set of images was built as an additional contribution of work, containing 222 panoramic images of corn planting in three conditions of planting: direct, conventional and direct after applying herbicides. The experimental results achieve 90% of rate accuracy and 87% sensitivity in identification of corn plants present on the base. A comparison of the measurements of the distances between plants made of manual and computer vision way, no presented significant differences between the measurements, indicating the effectiveness of the proposed approach at work.