Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLuchese, Augusto Vaghetti-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3033591975237656-
Autor(es): dc.contributorPaula Filho, Pedro Luiz de-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8149364045680042-
Autor(es): dc.contributorLuchese, Augusto Vaghetti-
Autor(es): dc.contributorMenezes, Paulo Lopes de-
Autor(es): dc.contributorAndrade, Mauricio Guy de-
Autor(es): dc.creatorGuidolin, Leonardo Gomes-
Data de aceite: dc.date.accessioned2022-02-21T21:50:28Z-
Data de disponibilização: dc.date.available2022-02-21T21:50:28Z-
Data de envio: dc.date.issued2018-09-27-
Data de envio: dc.date.issued2018-09-27-
Data de envio: dc.date.issued2018-06-06-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/3452-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/661771-
Descrição: dc.descriptionNitrogen nutrition in the bean crop is important to ensure good productivity, however the ways of detecting these levels (chemical and visual analysis) are slow or depend on an experienced professional, so the objective of this work is to diagnose nitrogen levels through of Computational Vision and Artificial Neural Networks (RNA). Beans were grown in a greenhouse containing 5 different doses of nitrogen, 50, 100, 150, 200 and 250 mg L-1. The data collected from the plants were chlorophyll content by means of chlorophyll meter, nitrogen contents in mg L-1 and leaves images, being these realized in two moments of the development of the plant 45 and 58 days after sowing, to make the diagnosis Gray Level Co-Occurrence Matrix (GLCM), non-texturing Statistic and Local Binary Pattern (LBP) were used. Finally, the data generated by the previous methods were used for the training and testing of Artificial Neural Networks (ANN) Multilayer Perceptron for regression and later classification of the levels of nitrogen. This work demonstrated that the three methods are promising depending on the situation, but the combination of the three methods together with a selection of attributes gives better results in the diagnosis of nitrogen.-
Descrição: dc.descriptionA nutrição de nitrogênio na cultura do feijão é importante para garantir uma boa produtividade, porém as formas de detecção desses níveis (análise química e visual) são lentas ou dependem de um profissional experiente, portanto o objetivo deste trabalho consiste diagnosticar os níveis de nitrogênio através de Visão Computacional e Redes Neurais Artificiais (RNA). Foram cultivados feijoeiros em uma casa de vegetação contendo 5 doses diferentes de nitrogênio, 50, 100, 150, 200 e 250 mg L-1. Os dados coletados das plantas foram teores de clorofila por meio de clorofilômetro, teores de nitrogênio em mg L-1 e imagens das folhas, sendo estas realizadas em dois momentos do desenvolvimento da planta 45 e 58 dias após a semeadura, para se realizar o diagnóstico utilizou-se três métodos de extração de características nas imagens das folhas: Grey Level Coocurrence Matrix (GLCM), Estatístico sem texturização e Local Binary Pattern (LBP). Por fim os dados gerados pelos métodos anteriores foram utilizados para o treinamento e teste de Redes Neurais Artificiais (RNA) Multilayer Perceptron para regressão e posteriormente classificação dos níveis de nitrogênio. Este trabalho demonstrou que os três métodos são promissores dependendo da situação, porém a combinação dos três métodos juntamente com uma seleção de atributos obtem-se resultados melhores na diagnose de nitrogênio.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherMedianeira-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Tecnologias Computacionais para o Agronegócio-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectLinguagem de programação (Computadores)-
Palavras-chave: dc.subjectFeijão-comum-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectProgramming languages (Electronic computers)-
Palavras-chave: dc.subjectCommon bean-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)-
Palavras-chave: dc.subjectEngenharia/Tecnologia/Gestão-
Título: dc.titleDiagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais-
Título: dc.titleDiagnosis of nitrogen levels in bean leaves using computational vision and artificial neural network-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.