Artigo de periodico

The use of computer vision to classify Xaraés grass according to nutritional status in nitrogen (2022)

• Authors:
  • Mancin, Wellington Renato
  • Pereira, Lilian Elgalise Techio
  • Carvalho, Rachel Santos Bueno
  • Shi, Yeyin
  • Silupu, Wilson Manuel Castro
  • Tech, Adriano Rogério Bruno
• USP affiliated authors: PEREIRA, LILIAN ELGALISE TECHIO - FZEA ; CARVALHO, RACHEL SANTOS BUENO - FZEA ; TECH, ADRIANO ROGERIO BRUNO - FZEA ; MANCIN, WELLINGTON RENATO - FZEA
• Unidade: FZEA
• DOI: 10.5935/1806-6690.20220006
• Subjects: PASTAGENS; VISÃO COMPUTACIONAL; PROCESSAMENTO DE IMAGENS; SENSORIAMENTO REMOTO
• Agências de fomento:
  • Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)
    Processo FAPESP: 2020/00345-1
  • Financiamento CNPq
  • Financiamento CAPES
• Language: Inglês
• Abstract: Este estudo baseia-se no princípio de que índices de vegetação (IVs), derivados do modelo de cores RGB obtidos de imagens digitais, podem ser usados para caracterizar assinaturas espectrais e classifi car pastos de Brachiaria brizantha cv. Xaraés segundo o status de nitrogênio (N). A partir de dados colorimétricos obtidos de imagens de lâminas foliares adquiridas em campo, três redes neurais artifi ciais foram avaliadas quanto ao desempenho na classifi cação do status N: Feedforward Backpropagation (FFBP), Cascade Forward Backpropagation (CFBP) e função de Base Radial (RBFNN). Quatro taxa s de fertilização nitrogenada foram aplicadas para gerar contrastes no teor de N nos tecidos das plantas. As folhas mais jovens completamente expandidas de 60 perfi lhos foram destacadas das plantas a cada ciclo de rebrotação de 28 dias, sendo as imagens das folhas e teor de N foliar determinados. As amostras foram classifi cadas em defi cientes (< 17 g N kg-1 de matéria seca (MS)), moderadamente defi cientes (de 17,1 a 20,0 g N kg-1 MS) e sufi ciente (> 20,1 g N kg-1 MS). Os IVs foram selecionados pela análise de componentes principais e o desempenho das redes avaliados pela acurácia. As acurácias nas classifi cações obtidas pelas redes foram de 88%, 86% e 79% para FFBP, CFBP e RBFNN, respectivamente, indicando que as assinaturas espectrais podem ser determinadas a partir de imagens adquiridas em campo. Assim, o método proposto pode ser utilizado para desenvolver um software de monitoramento do status de N em tempo real, fornecendo uma ferramenta rápida e econômica para defi nir o momento e quantidade de fertilizantes nitrogenados, conforme demanda da pastagem.
• Imprenta:
  • Publisher place: Fortaleza
  • Date published: 2022
• Source:
  • Título: Revista Ciência Agronômica
  • ISSN: 1806-6690
  • Volume/Número/Paginação/Ano: v. 53, art. e20207797, p. 1-12, 2022

Informações sobre o DOI: 10.5935/1806-6690.20220006 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by

---

Download do texto completo

Tipo	Nome	Link
	SYSNO_003116089.pdf	Direct link

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  MANCIN, Wellington Renato et al. The use of computer vision to classify Xaraés grass according to nutritional status in nitrogen. Revista Ciência Agronômica, v. 53, p. 1-12, 2022Tradução . . Disponível em: https://doi.org/10.5935/1806-6690.20220006. Acesso em: 02 out. 2024.

• APA

  Mancin, W. R., Pereira, L. E. T., Carvalho, R. S. B., Shi, Y., Silupu, W. M. C., & Tech, A. R. B. (2022). The use of computer vision to classify Xaraés grass according to nutritional status in nitrogen. Revista Ciência Agronômica, 53, 1-12. doi:10.5935/1806-6690.20220006

• NLM

  Mancin WR, Pereira LET, Carvalho RSB, Shi Y, Silupu WMC, Tech ARB. The use of computer vision to classify Xaraés grass according to nutritional status in nitrogen [Internet]. Revista Ciência Agronômica. 2022 ; 53 1-12.[citado 2024 out. 02 ] Available from: https://doi.org/10.5935/1806-6690.20220006

• Vancouver

  Mancin WR, Pereira LET, Carvalho RSB, Shi Y, Silupu WMC, Tech ARB. The use of computer vision to classify Xaraés grass according to nutritional status in nitrogen [Internet]. Revista Ciência Agronômica. 2022 ; 53 1-12.[citado 2024 out. 02 ] Available from: https://doi.org/10.5935/1806-6690.20220006

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Methods of image acquisition and software development for leaf area measurements in pastures
• Análise da viabilidade da constituição de uma nova empresa de base inovadora com foco em análise de alimentos
• Proposta de desenvolvimento de software usando processamento digital de imagem e rede neural MLP para análise do estado nutricional de nitrogênio em Brachiaria Brizantha cv. Xaraés
• Identificação de índices de vegetação para processamento digital de imagem no sistema RGB e rede neural artificial para análise do status nutricional de nitrogênio em Brachiaria brizantha cv. Xaraés
• Determinação do status nutricional de nitrogênio em Brachiaria decumbens cv. Basilisk por meio de software de análise de imagens
• Estado nutricional do nitrogênio em Brachiaria decumbens cv. Basilisk por meio de software de análise de imagens
• Desenvolvimento de software para determinação do status de nitrogênio da planta por meio de processamento imagens
• Desenvolvimento de software usando processamento digital de imagem e redes neurais para determinação do status de nitrogênio em Brachiaria Brizantha
• Desenvolvimento de ferramenta para avaliação visual do status de nitrogênio em Brachiaria decumbens cv. Basilisk
• Desenvolvimento de uma régua automatizada para determinação de altura em pastagens