Universidade Federal Rural do Rio de Janeiro IT

  • Slides: 21
Download presentation
Universidade Federal Rural do Rio de Janeiro IT- Departamento de Engenharia IT 190 -Princípios

Universidade Federal Rural do Rio de Janeiro IT- Departamento de Engenharia IT 190 -Princípios em Agricultura de Precisão Processamento de Imagens Digitais na Agricultura de Precisão Carlos Alberto Alves Varella – varella@ufrrj. br Novembro/2006

Processamento Objetivos • Retirada de ruídos • Melhoria da qualidade da imagem • Segmentação

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

Análise Objetivos • Retirada da informação desejada • Técnicas de Inteligência Artificial • Classificação

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

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

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

Sinal para atuadores Smart Sprayer UI

Sinal para atuadores Smart Sprayer UI

Exemplos de Aplicação da Visão Artificial na Agricultura • Seleção e classificação de produtos

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.

Comportamento animal Frio Confortável Muito quente

Comportamento animal Frio Confortável Muito quente

Direção automática • Projeto UI – “Autonomous Vehicle”

Direção automática • Projeto UI – “Autonomous Vehicle”

Direção automática • Está dentro da filosofia de agricultura de precisão, apesar de não

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

Aplicação de Líquidos • Projeto UI – “Smart sprayer”

Aplicação de Líquidos • Projeto UI – “Smart sprayer”

Estresse Nutricional de N C MERA DIGITAL Validação do Modelo Estádio V 9 N

Estresse Nutricional de N C MERA DIGITAL Validação do Modelo Estádio V 9 N Predito 150 100 y = 0, 9944 x - 5, 4 R 2 = 0, 97 50 0 -50 0 50 100 150 N Aplicado no solo

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

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

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

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

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

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

Sensoriamento Remoto Mapa de Plantas daninhas

Sensoriamento Remoto Mapa de Plantas daninhas

Georreferenciamento

Georreferenciamento

Verdade de campo Mapeamento das reboleiras de plantas daninhas com GPS

Verdade de campo Mapeamento das reboleiras de plantas daninhas com GPS

Mapa de Prescrição

Mapa de Prescrição

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

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

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

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

Fim

Fim