Sugarcane plant detection and mapping for site-specific management (2021)
- Authors:
- Autor USP: MALDANER, LEONARDO FELIPE - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LEB
- DOI: 10.11606/T.11.2021.tde-14022022-164102
- Subjects: AEROFOTOGRAMETRIA; AGRICULTURA DE PRECISÃO; APRENDIZADO COMPUTACIONAL; CANA-DE-AÇÚCAR; ESPAÇAMENTO; SENSOR
- Agências de fomento:
- Language: Inglês
- Abstract: O setor de produção de cana-de-açúcar é um dos mais aptos a adotar tecnologia para gerenciar equipamentos e as lavouras de cana-de-açúcar. Desenvolver novas tecnologias e otimizar o uso das tecnologias já utilizadas em outros sistemas de produção é essencial para o sucesso da gestão das lavouras. O uso otimizado de tecnologias ajudará na gestão localizada a aumentar a viabilidade, maximizar a rentabilidade e minimizar os impactos ambientais da produção de cana-de-açúcar. Tecnologias para detectar, medir e espacializar plantas podem ser uma das soluções para o gerenciamento a nível de fileira. Além disso, estes dados podem ser usados para acompanhar temporariamente o desenvolvimento das lavouras de cana-de-açúcar, sendo dados essenciais para o gerenciamento localizado da lavoura. A espacialização das plantas e o espaçamento entre plantas podem ajudar na investigação dos fatores que influenciam a produtividade da cana-de-açúcar. Neste contexto, o objetivo geral da tese foi explorar ferramentas e métodos de detecção de plantas em nível de fileira para melhorar e apoiar o gerenciamento localizado de plantações de cana-de-açúcar. Uma abordagem para a detecção de plantas de cana-de-açúcar usando sensores fotoelétricos e ultrassônicos foi desenvolvida e avaliada. A imagem aérea e os sensores terrestres foram testados para detectar e medir o espaçamento entre plantas de cana-de-açúcar. A avaliação temporal dos sensores e imagens aéreas durante quatro estágios diferentes dedesenvolvimento da cana-de-açúcar foi feita para propor o melhor momento para detectar plantas de cana-de-açúcar e medir o espaçamento entre as plantas. Imagens de alta resolução foram usadas para mapear a população e o espaçamento das plantas. Estes dois dados foram utilizados para verificar a relação entre declividade, ângulo do percurso e a população de plantas, além disso, mapear regiões com maior suscetibilidade à redução de plantas ao longo dos anos. Finalmente, foi realizada a análise espacial-temporal da produtividade e espaçamento de plantas para verificar a relação entre estas duas variáveis em regiões com diferentes potenciais produtivos em lavouras comerciais. Os resultados mostram que a fusão de sensores ultrassônico e fotoelétrico associada ao modelo de aprendizagem da máquina tem precisão acima de 95%. Estes dois sensores e imagens de alta resolução tiveram a melhor precisão e acurácia para detectar e medir o espaçamento das plantas em 31 e 47 dias após a colheita. A análise espacial e temporal mostrou que regiões com uma declive do terreno de 5-8% e maior que 8% com percursos curvos têm um número inferior de plantas em comparação com outras regiões. A análise local identificou que regiões com declives mais acentuados e caminhos curvos têm alta suscetibilidade de redução da planta ao longo dos anos, em comparação com outras regiões. Finalmente, a perda de produtividade dentro da fileira da cana de açúcar ocorre com o aumento do espaçamento entre as plantas.Regiões com diferentes potenciais produtivos requerem diferentes populações ótimas para maximizar a produtividade. Regiões de baixa produtividade requerem uma população de plantas maior e são mais suscetíveis a perder produtividade dentro da fileira com o aumento do espaçamento entre plantas
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2021
- Data da defesa: 17.11.2021
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
MALDANER, Leonardo Felipe. Sugarcane plant detection and mapping for site-specific management. 2021. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-14022022-164102/. Acesso em: 27 dez. 2025. -
APA
Maldaner, L. F. (2021). Sugarcane plant detection and mapping for site-specific management (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11152/tde-14022022-164102/ -
NLM
Maldaner LF. Sugarcane plant detection and mapping for site-specific management [Internet]. 2021 ;[citado 2025 dez. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-14022022-164102/ -
Vancouver
Maldaner LF. Sugarcane plant detection and mapping for site-specific management [Internet]. 2021 ;[citado 2025 dez. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-14022022-164102/ - Processamento de dados de monitores de produtividade de cana-de-açúcar
- Methodology to filter out outliers in high spatial density data to improve maps reliability
- Sensor fusion with NARX neural network to predict the mass flow in a sugarcane harvester
- Carrot yield mapping: a precision agriculture approach based on machine learning
- Performance analysis of a RADAR FMCW sensor developed for plant height measurement in agricultural and comparison with an NDVI sensor
- Spatial–temporal analysis to investigate the influence of in-row plant spacing on the sugarcane yield
- Sugarcane Yield Mapping Using High-Resolution Imagery Data and Machine Learning Technique
- Predicting the sugarcane yield in real-time by harvester engine parameters and machine learning approaches
- A system for plant detection using sensor fusion approach based on machine learning model
- Identification and measurement of gaps within sugarcane rows for site-specific management: Comparing different sensor-based approaches
Informações sobre o DOI: 10.11606/T.11.2021.tde-14022022-164102 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
