Processamento de Imagens Digitais na Agricultura de Precisão

Apresentação em tema: "Processamento de Imagens Digitais na Agricultura de Precisão"— Transcrição da apresentação:

1 Processamento de Imagens Digitais na Agricultura de Precisão
Universidade Federal Rural do Rio de Janeiro T.E.C.S.: Agricultura de Precisão - CPGA-CS Processamento de Imagens Digitais na Agricultura de Precisão Prof. Carlos Alberto Alves Varella – Prof. Marcos Bacis Ceddia – Novembro/2005

2 Processamento Objetivos Retirada de ruídos
Melhoria da qualidade da imagem Segmentação do objeto de interesse Planta = 1 Solo = 0

3 Análise Objetivos Retirada da informação desejada
Técnicas de Inteligência Artificial Classificação de objetos na imagem

4 Transformação de dados em informações
Análise Transformação de dados em informações DADOS=Atributos ESTATÍSTICOS REDES NEURAIS MODELOS Características Informação Fuzzy

5 Sinal para atuadores Smart Sprayer UI

6 Exemplos de Aplicação da Visão Artificial na Agricultura
Seleção e classificação de produtos agrícolas (principalmente frutas) Comportamento animal Robotização da colheita Posicionamento de implementos agrícolas Direção automática Identificação de estresse nutricional, doenças, pragas, plantas invasoras.

7 Comportamento animal Frio Confortável Muito quente

8 Direção automática Projeto UI – “Autonomous Vehicle”

9 Direção automática Está dentro da filosofia de agricultura de precisão, apesar de não está diretamente relacionado com a variabilidade espacial e temporal Pode aumentar a precisão na utilização de insumos agrícolas

10 Aplicação de Líquidos Projeto UI – “Smart sprayer”

11 Estresse Nutricional de N
CÂMERA DIGITAL Validação do Modelo Estádio V9 150 y = 0,9944x - 5,4 100 R2 = 0,97 N Predito 50 50 100 150 -50 N Aplicado no solo

12 Identificação de plantas invasoras
IMAGEM BINÁRIA: Classificada IMAGEM COLORIDA: Falso RGB

13 (Spodoptera frugiperda) Classificação pelo programa:
Lagarta do Cartucho (Spodoptera frugiperda) Classificação pelo programa: ATACADA

14 Lagarta Elasmo (Elasmopalpus lignosellus)
Classificação utilizando redes neuroniais artificiais: folha atacada folha não atacada

15 Sensoriamento Remoto Mapa de Plantas daninhas

16 Georreferenciamento

17 Verdade de campo Mapeamento das reboleiras de plantas daninhas com GPS

18 Mapa de Prescrição

19 Estimativa de Produtividade
IMAGEM AÉREA -SR Área 1 Área 2 Área 3

20 Mapa de Produtividade ÁREA 2 NÃO APRESENTOU DEPENDÊNCIA ESPACIAL ALTA
MÉDIA BAIXA ÁREA 2 NÃO APRESENTOU DEPENDÊNCIA ESPACIAL

21 Imagem na UFRRJ Agricultura de Precisão Solos Sensoriamento Remoto
Processamento de Imagens Digitais Solos Fototecnia Engenharia Agrícola Fitopatologia Engenharia Florestal Alimentos