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
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
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: 01 abr. 2026. -
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 2026 abr. 01 ] 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 2026 abr. 01 ] 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
- Sensor fusion with NARX neural network to predict the mass flow in a sugarcane harvester
- Methodology to filter out outliers in high spatial density data to improve maps reliability
- Spatial–temporal analysis to investigate the influence of in-row plant spacing on the sugarcane yield
- Carrot yield mapping: a precision agriculture approach based on machine learning
- 3D data processing to characterize the spatial variability of sugarcane fields
- Performance analysis of a RADAR FMCW sensor developed for plant height measurement in agricultural and comparison with an NDVI sensor
- Sugarcane Yield Mapping Using High-Resolution Imagery Data and Machine Learning Technique
- Evaluation of Minimum Preparation Sampling Strategies for Sugarcane Quality Prediction by vis-NIR Spectroscopy
- Identification and measurement of gaps within sugarcane rows for site-specific management: Comparing different sensor-based approaches
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
