UFV - Dissertações
URI permanente para esta coleçãohttps://thoth.dti.ufv.br/handle/123456789/3
Navegar
4 resultados
Resultados da Pesquisa
Item Artrópodes predadores da broca-do-café associados ao ingá(Universidade Federal de Viçosa, 2018-07-31) Pantoja, Gabriel Martins; Venzon, Madelaine; Rezende, Maíra QueirozPlantas associadas podem incrementar a comunidade de inimigos naturais no ecossistema através da disponibilidade do néctar extrafloral. Neste trabalho estudou-se a influência do ingá na comunidade de artrópodes predadores de Hypothenemus hampei (Coleoptera: Scolytinae) em cultivo de café e a capacidade predatória do tripes Trybomia sp. (Karny) (Thysanoptera: Phlaeotrhipidae em controlar a broca-do-café (Ferrari) (Hypothenemus hampei). O trabalho foi dividido em dois capítulos. No capítulo 1, foram avaliadas a diversidade e abundância de assembleias de formigas e do tripes Phlaeothripidae em cultivos de café com e sem o ingá. No capítulo 2, avaliou-se a capacidade do tripes Trybomia sp. de acessar e predar a broca-do-café no interior dos frutos. Não houve diferença na abundância e na diversidade das assembleias de formigas e tripes entre café em monocultivo e consorciado. No entanto, nas áreas com consórcio, encontramos maior abundância do total de insetos predadores. Tripes predadores do gênero Trybomia não foram eficientes em acessar e predar a broca-do-café. Através de equipamento de raio-x, foi possível identificar um comportamento de defesa da broca que pode ter impedido a entrada desses tripes. O tripes Trybomia sp. não se mostrou um predador eficiente de H. hampei no interior dos frutos. Nós concluímos que a presença do ingá pode aumentar a incidência de artrópodes predadores em cultivos de café. No entanto, são necessários estudos futuros para avaliara abundância e diversidade dos artrópodes em diferentes distâncias do ingá para certificar a adequada associação dessa planta com os cultivos.Item Aprendizado profundo aplicado à quantificação da severidade de sintomas de doenças e pragas foliares(Universidade Federal de Viçosa, 2020-07-24) Gonçalves, Juliano de Paula; Pinto, Francisco de Assis de CarvalhoOs métodos propostos atualmente para a segmentação de imagens digitais superaram a exatidão e precisão do método visual na estimativa da severidade de doenças foliares. Entretanto, a combinação de fatores como exatidão, precisão, aplicabilidade em uma gama de condições e rapidez, faz com que as estimativas visuais continuem sendo o método mais usado, tanto em ambiente controlado, como em campo. Os objetivos deste estudo foram: (1) avaliar o aprendizado profundo, mais especificamente, as redes neurais convolucionais (CNNs) na segmentação semântica de imagens digitais para estimativa de severidade de doenças e pragas foliares; e (2) investigar os fatores que afetam os desempenhos dos modelos de CNNs na segmentação semântica de imagens digitais. O conjunto de dados de imagem deste estudo reuniu 766 imagens compostas por uma única folha com sintomas cloróticos e necróticos causados por duas doenças fúngicas (ferrugem da soja e mancha bronzeada do trigo) e um inseto-praga (bicho-mineiro do café). As imagens foliares com sintomas de ferrugem da soja e mancha bronzeada do trigo foram capturadas em laboratório, com a iluminação homogênea e o plano de fundo padronizado. Diferentemente, as imagens foliares com sintomas do inseto- praga bicho-mineiro do café foram capturadas em condição de campo, com iluminação irregular e fundo complexo. Três classes semântica foram anotadas manualmente em cada imagem: fundo da imagem, área foliar saudável e área foliar lesionada. Os fatores investigados que poderiam afetar o desempenho dos modelos de CNN foram: plano de fundo da imagem, aumento de dados, resolução da imagem, backbone, número de dobras K na validação cruzada k-fold, algoritmo de otimização e aprendizado por transferência. O modelo de Rede de Pirâmides Características (FPN) tendeu a apresentar o melhor desempenho na segmentação do conjunto de imagens de teste, atingindo uma Interseção-sobre-União (IoU) de 98,9% para o fundo da imagem, 94,1% para área foliar saudável e 79,4% para a área lesionada. Quando previsões em nível de pixel foram usadas para calcular a severidade das folhas, o modelo FPN superou o software Assess, referência para os fitopatologistas, em todas as doenças e pragas analisadas, com coeficientes de concordância de 0,97, 0,98 e 0,98 para ferrugem da soja, mancha bronzeada do trigo e bicho-mineiro do café, respectivamente. Apresentando um método totalmente automático de segmentação, o tempo de inferência e estimativa da severidade dos modelos de CNNs não ultrapassou os 6s, tempo aproximadamente 20 vezes menor que o obtido pelo usuário no modo manual de segmentação do Assess. Os experimentos computacionais mostraram que os fatores analisados tenderam a impactar o desempenho do modelo FPN na segmentação semântica de imagens foliares. Os resultados se mostraram promissores, principalmente pela capacidade dos modelos de segmentar imagens em condições desafiadoras de iluminação e fundo complexo de forma precisa e automática. Palavras-chave: Redes neurais convolucionais. Segmentação semântica. Processamento de imagens.Item Monitoramento da maturação dos frutos e de doenças do cafeeiro utilizando modelos de deep learning(Universidade Federal de Viçosa, 2021-12-20) Oliveira, Carolina Tavares de; Valente, Domingos Sarvio MagalhãesO valor da safra do café está relacionado à vários fatores entre eles: a oferta e a demanda, a quantidade produzida, o armazenamento, a qualidade dos frutos, dentre outros. A qualidade do café, por sua vez, é afetada por vários fatores, entre eles radiação solar, nutrição das plantas, altitude, presença ou ausência de pragas e doenças. Dentre as principais doenças que infestam a cultura do café estão: ferrugem, cercosporiose e mancha de phoma. A ferrugem (Hemileia vastatrix Berk. & Br.) ataca as folhas do cafeeiro o que gera queda prematura das mesmas e redução da fotossíntese. De forma semelhante, a cercosporiose causa danos, principalmente, em lavouras sem fertilização adequada, atingindo folhas e frutos. Já mancha de phoma é favorecida por diferentes eventos climáticos como: ventos fortes e frios, granizo e geada. Além das doenças, outro fator determinante que impacta diretamente na qualidade da bebida é o grau de maturação dos frutos no momento da colheita. Sabe- se que frutos maduros, no estádio denominado cereja, geram cafés de qualidade superior. Normalmente, a avaliação do grau de maturação é realizada por métodos destrutivos, com colheitas de algumas plantas no talhão, que podem ou não representar o talhão a ser colhido. Neste contexto, tecnologias computacionais, tais como: técnicas de inteligência artificial podem ser úteis para monitoramento do cafeeiro. A inteligência artificial tem tido um papel importante no desenvolvimento da agricultura, por meio dela é possível estimar a produtividade das safras, identificar pragas e doenças nas lavouras, definir de forma mais assertiva o momento adequado para realizar a colheita. Dessa forma, esse trabalho teve como objetivos: (1) Desenvolver modelo de detecção, classificação e segmentação de frutos a partir de imagens obtidas em ambientes não controlados (2) Desenvolver um classificador para classificar imagens entre: presença e ausência da doença no cafeeiro, e desenvolver um classificador para identificar as três espécies de doenças comuns que atacam o cafeeiro, a saber, cercosporiose, mancha de phoma e ferrugem. Para atender o primeiro objetivo foram coletadas 78 imagens com frutos em diferentes graus de maturação. As imagens foram rotuladas para identificação dos locais com frutos verde, cereja e passa e fundo. A rotulagem foi realizada de forma manual/visual com auxílio de uma ferramenta desenvolvida por meio da linguagem de programação Python. A partir dos rótulos foi possível treinar um modelo de segmentação de instâncias com arquitetura Mask-RCNN. Para atender o segundo foram coletadas imagens de plantas contaminadas pelas doenças do cafeeiro, a saber, cercospora, mancha de phoma e ferrugem e imagens de plantas sem contaminação na região da Zona da Mata mineira. As mesmas imagens foram utilizadas para classificar somente as três doenças do cafeeiro. Em ambas as análises as imagens serviram de entradas para o treinamento dos modelos de classificação utilizando redes neurais convolucionais. Os resultados foram avaliados pelas métricas da matriz de confusão, a saber, a precisão, recall e f1-score. A precisão do modelo é a relação entre verdadeiros positivos (detecções corretas) sobre a soma de todas as detecções. As abordagens mostraram que o modelo de segmentação de frutos alcançou precisões de 0,897; 0,900; 0,891 para as classes: cereja, verde e passa, respectivamente. Os valores de recall para as mesmas classes respectivamente foram: 0,759; 0,700; 0,813, respectivamente. Já os valores de f1-score para as mesmas classes foram:0,7336; 0,6802; 0,7692. Desta forma, o modelo foi mais eficiente na detecção, segmentação de classificação de frutos passas. Quando foi aplicado o mesmo modelo nas imagens geradas por janela deslizante os valores de precisão foram: 0,974; 0,906; 0,878; recall foram: 0,753; 0,740; 0,813; e f1-score foram: 0,844; 0,8105; 0,8427 para as classes: cereja, verde e passa, respectivamente. No modelo de classificação de doenças as precisões, recall e f1-score foram: 0,933 para ambas as classes: presença e ausência de doença. Já o modelo que classificou as três espécies de doenças apresentou valores de precisão: 0,900, 0,850 e 0,900, recall de 0,900, 0,850 e 0,900 e f1-score de 0,900, 0,850 e 0,900 para as classes ferrugem, cercospora e mancha de phoma, respectivamente. Palavras-chave: Processamento de Imagens. Segmentação de instâncias. Deep Learning. Colheita do café. Inteligência artificial. Maturação do café.Item Ricoseius loxocheles (Acari: Phytoseiidae): relações biológicas e fontes alimentares(Universidade Federal de Viçosa, 2015-02-19) Vacacela Ajila, Henry Eduardo; Pallini Filho, AngeloO café constitui um dos principais produtos agrícolas mundiais devido às grandes rendas econômicas que gera nos países onde é cultivado. Nesta cultura, comumente podemos observar pragas como Brevipalpus phoenicis e doenças como Hemileia vastatrix que podem ocasionar grandes perdas econômicas, caso medidas de controle não sejam tomadas. O controle destas pragas e doenças usualmente é feito com a aplicação de agrotóxicos, que podem ocasionar problemas tanto nas pragas que se deseja atingir (resistência) como nos inimigos naturais que podem ser afetados indiretamente. O controle biológico torna-se uma opção viável para a diminuição do uso de agrotóxicos e o ácaros predadores fitoseídeos são objeto de muitas pesquisas sobre sua capacidade de explorar diversos recursos na sua alimentação e sua aplicabilidade nesse tipo de controle. O predador Ricoseius loxocheles (Ácari: Phytoseiidae) tem a capacidade de se alimentar e carregar esporos de ferrugem do cafeeiro e por ser membro de uma família de ácaros predadores possui potencial para agente de controle biológico. No entanto, pouca informação existe sobre sua função ecológica no sistema cafeeiro. Nesse contexto, o objetivo do estudo foi determinar a capacidade predatória de R. loxocheles sobre B. phoenicis e o desempenho do fitoseídeo em diferentes fontes alternativas de alimento avaliando sua sobrevivência e reprodução. Os resultados mostraram que o ácaro B. phoenicis não representa uma presa potencial para o fitoseídeo R. loxocheles, já que o sucesso reprodutivo desse ácaro predador foi negativo quando unicamente tinha a presença da praga, ocasionando a morte do fitoseídeo. O crescimento populacional (r i ) de R. loxocheles foi positivo em mudas de café infectadas por ferrugem. Adicionalmente, foi demonstrado que o ácaro aproveita diversos recursos alimentícios alternativos, como ferrugem de café, ferrugem de trevo e o pólen de taboa para seu sucesso reprodutivo. Das fontes testadas, apenas o pólen apícola foi o único recurso não viável que reduziu a oviposição e ocasionou a sua morte.