Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Imagens hiperespectrais e aprendizado de máquina na detecção precoce do estresse causado por Xanthomonas euvesicatoria pv. perforans em sementes e cotilédones de tomateiro
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1119144
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Rossato, Maurício | - |
| Autor(es): dc.contributor | Quezado-Duval, Alice Maria | - |
| Autor(es): dc.creator | Ferreira, Luciellen da Costa | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T12:46:50Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T12:46:50Z | - |
| Data de envio: dc.date.issued | 2025-08-06 | - |
| Data de envio: dc.date.issued | 2025-08-06 | - |
| Data de envio: dc.date.issued | 2025-08-06 | - |
| Data de envio: dc.date.issued | 2024-11-17 | - |
| Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/52379 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1119144 | - |
| Descrição: dc.description | Tese (doutorado) — Universidade de Brasília, Instituto de Ciências Biológicas, Departamento de Fitopatologia, 2024. | - |
| Descrição: dc.description | O tomate (Solanum lycopersicum L.) está entre as culturas de maior importância econômica mundial, sendo a segunda hortaliça mais produzida. A mancha bacteriana do tomateiro é uma doença limitante para a produção, possui como agente causal três espécies pertencentes ao gênero Xanthomonas. Em vista da importância econômica e social da cultura do tomate, dos danos e perdas ocasionados pela mancha bacteriana em campos de cultivo a nível mundial e o papel de sementes e mudas como fonte primária de inóculo, este estudo tem por objetivo desenvolver um método de diagnose precoce da mancha bacteriana em cotilédones e sementes de tomate. O estudo visa a aplicação de um sistema de imagem hiperespectral na faixa do visível e infravermelho próximo (VNIR) em conjunto com a análise de dados espectrais por aprendizado de máquina na detecção de alterações causadas pelo estresse devido a infecção por Xanthomonas euvesicatoria pv. perfroans em tomateiro, bem como a aplicação da análise de reflectância espectral para evidenciar faixas do espectro que apresentem variações significativas em função da presença bacteriana na planta. Foi aplicada a técnica de aquisição de imagens hiperespectrais de sementes de tomateiro livres do patógeno e infectadas por diferentes métodos de inoculação com uma cepa bacteriana de X. euvesicatoria pv. perforans (Xep), juntamente com a análise de dados usando algoritmos de aprendizado de máquina. Obteve-se um alto desempenho com o modelo SVM (Support Vector Machine), com uma acurácia >95% na classificação dos dados de sementes inoculadas por diferentes técnicas em comparação com as não-inoculadas. A abordagem de imagem hiperespectral e aprendizado de máquina também foi empregada na análise de cotilédones de tomateiro infectados por Xep em diferentes estágios da doença (assintomático, inicial e tardio). A implementação dessas técnicas resultou na obtenção de um alto desempenho do modelo SVM apresentando acurácia superior a 80% antes mesmo do surgimento dos sintomas, evidenciando excelente capacidade de classificar e distinguir dados de cotilédones de tomateiro sadios e infectados. A análise de reflectância espectral tanto com sementes quanto de cotilédones, gerou uma visão ampla das diferenças espectrais marcantes ao longo dos comprimentos de onda do VNIR, causadas em decorrência da infecção bacteriana. Os resultados deste estudo mostram que o uso de técnicas não destrutivas de imagens hiperespectrais e inteligência artificial para a diagnose da mancha bacteriana do tomateiro são promissoras, e que podem contribuir para evitar introduções do patógeno em novas áreas, evitar surtos da doença, além de permitir um manejo precoce, diminuindo riscos de perdas na produção de mudas e em lavouras. | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) e Fundação de Apoio à Pesquisa do Distrito Federal (FAPDF). | - |
| Descrição: dc.description | The tomato (Solanum lycopersicum L.) is among the most economically important crops worldwide, being the second most produced vegetable. Bacterial spot of tomato is a limiting disease for production, caused by three species belonging to the genus Xanthomonas. Given the economic and social importance of tomato cultivation, the damage and losses caused by bacterial spot in cultivation fields worldwide, and the role of seeds and seedlings as the primary source of inoculum, this study aims to develop a method for early diagnosis of bacterial spot in tomato cotyledons and seeds. The study focuses on the application of a hyperspectral imaging system in the visible and near-infrared range (VNIR) combined with spectral data analysis using machine learning to detect changes caused by stress due to Xanthomonas euvesicatoria pv. perforans infection in tomato plants. Additionally, spectral reflectance analysis was applied to identify spectral ranges that exhibit significant variations associated with bacterial presence in the plant. Hyperspectral images of pathogen-free tomato seeds and seeds infected through different inoculation methods with a bacterial strain of X. euvesicatoria pv. perforans (Xep) were acquired and analyzed using machine learning algorithms. High performance was achieved with the Support Vector Machine (SVM) model, showing an accuracy of >95% in classifying data from seeds inoculated through different techniques compared to non-inoculated seeds. The hyperspectral imaging and machine learning approach was also employed to analyze tomato cotyledons infected with Xep at different stages of the disease (asymptomatic, initial, and late stages). The implementation of these techniques resulted in high performance of the SVM model, with accuracy exceeding 80% even before symptom onset, demonstrating excellent capability to classify and distinguish healthy and infected tomato cotyledon data. Spectral reflectance analysis of both seeds and cotyledons provided a comprehensive view of the significant spectral differences across VNIR wavelengths caused by bacterial infection. The results of this study demonstrate that the use of non-destructive hyperspectral imaging and artificial intelligence techniques for diagnosing tomato bacterial spot is promising. These techniques can help prevent the introduction of the pathogen into new areas, avoid disease outbreaks, and enable early management, thereby reducing the risk of losses in seedling production and in the field. | - |
| Descrição: dc.description | Instituto de Ciências Biológicas (IB) | - |
| Descrição: dc.description | Departamento de Fitopatologia (IB FIT) | - |
| Descrição: dc.description | Programa de Pós-Graduação em Fitopatologia | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | Acesso Aberto | - |
| Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
| Palavras-chave: dc.subject | Imagens hiperespectrais | - |
| Palavras-chave: dc.subject | Aprendizado de máquina | - |
| Palavras-chave: dc.subject | Tomateiro | - |
| Palavras-chave: dc.subject | Xanthomonas campestris pv. vesicatoria | - |
| Palavras-chave: dc.subject | Inteligência artificial | - |
| Título: dc.title | Imagens hiperespectrais e aprendizado de máquina na detecção precoce do estresse causado por Xanthomonas euvesicatoria pv. perforans em sementes e cotilédones de tomateiro | - |
| Título: dc.title | Hyperspectral imaging and machine learning for early detection of stress caused by Xanthomonas euvesicatoria pv. perforans in tomato seeds and cotyledons | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB - Rep. 1 | |
Não existem arquivos associados a este item.
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo