Please use this identifier to cite or link to this item:
http://tede2.uepg.br/jspui/handle/prefix/142
metadata.dc.type: | Dissertação |
Title: | ESTIMATIVA DO ÍNDICE DE SEVERIDADE DE FERRUGEM ASIÁTICA NA CULTURA DA SOJA POR MEIO DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA |
metadata.dc.creator: | Lacerda, Victor Schnepper |
metadata.dc.contributor.advisor1: | Canteri, Marcelo |
metadata.dc.contributor.advisor-co1: | Guimarães, Alaine Margarete |
metadata.dc.contributor.referee1: | Gonçalves, José Eduardo |
metadata.dc.contributor.referee2: | Pria, Maristella Dalla |
metadata.dc.description.resumo: | O cultivo da soja (Glycine max) é importante para a economia brasileira, sendo que um dos principais obstáculos à alta produtividade na lavoura é a ferrugem asiática, causada pelo fungo Phakopsora pachyrhizi. O principal fator para o controle de danos causados por essa doença é a aplicação de fungicidas em momento apropriado, porém o maior obstáculo para uso dessa medida é a difícil detecção da ferrugem asiática em estágios iniciais. Nesse sentido, o sensoriamento remoto aliado ao uso de veículos aéreos remotamente pilotados apresenta potencial para detecção da doença, principalmente por fornecer informação de difícil acesso aos meios tradicionais e pelas vantagens de qualidade e custo dessa tecnologia. O presente trabalho explora o uso de veículos aéreos remotamente pilotados para detecção e predição de severidade da ferrugem asiática da soja, associados a técnicas de processamento digital de imagens e de mineração de dados, visando a obtenção de modelos preditivos de severidade nos diferentes estágios de desenvolvimento da soja. Os modelos obtidos demonstraram potencial para a detecção da ferrugem asiática, e uma boa correlação da severidade da doença com o espectro visível (câmera RGB), ao passo que foi possível obter coeficientes de correlação maiores que 93% utilizando o algoritmo SMOREG após o estádio R5 de desenvolvimento da cultura da soja. |
Abstract: | Soybean cultivation is of great importance to the Brazilian economy, and one of the major obstacles to its high productivity is the Asian soybean rust, a disease caused by the fungus Phakopsora pachyrhizi. The main measure to control the damage caused by this disease is the application of fungicides at the appropriate time, but the biggest obstacle to its implementation is the difficult detection of Asian rust in its early stages. In this sense, remote sensing combined with the use of unmanned aerial vehicles (UAVs) has potential for disease detection, especially for providing information that is hard to assess by traditional means, and for the advantages of quality and cost of this technology. The present work explores the use of unmanned aerial vehicles to detect and predict the severity of Asian soybean rust by use of digital image processing and data mining techniques for retrieval of predictive models of severity in different development stages. The models obtained showed satisfactory potential for Asian rust detection, and a high correlation between disease severity and the visible spectrum (RGB camera), as it was possible to obtain correlation coefficients greater than 93% after the R5 development stage of the soybean crop. |
Keywords: | veículos aéreos não tripulados drone sensoriamento remoto processamento digital de imagens mineração de dados unmanned aerial vehicles drone remote sensing digital image processing data mining |
metadata.dc.subject.cnpq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
metadata.dc.language: | por |
metadata.dc.publisher.country: | BR |
Publisher: | UNIVERSIDADE ESTADUAL DE PONTA GROSSA |
metadata.dc.publisher.initials: | UEPG |
metadata.dc.publisher.department: | Computação para Tecnologias em Agricultura |
metadata.dc.publisher.program: | Programa de Pós Graduação Computação Aplicada |
Citation: | LACERDA, Victor Schnepper. ESTIMATIVA DO ÍNDICE DE SEVERIDADE DE FERRUGEM ASIÁTICA NA CULTURA DA SOJA POR MEIO DE IMAGENS OBTIDAS COM AERONAVE REMOTAMENTE PILOTADA. 2017. 62 f. Dissertação (Mestrado em Computação para Tecnologias em Agricultura) - UNIVERSIDADE ESTADUAL DE PONTA GROSSA, Ponta Grossa, 2017. |
metadata.dc.rights: | Acesso Aberto |
URI: | http://tede2.uepg.br/jspui/handle/prefix/142 |
Issue Date: | 2-Feb-2017 |
Appears in Collections: | Programa de Pós Graduação Computação Aplicada |
Files in This Item:
File | Size | Format | |
---|---|---|---|
Victor Schnepper Lacerda.pdf | 2 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.