Biblioteca do Café
URI permanente desta comunidadehttps://thoth.dti.ufv.br/handle/123456789/1
Navegar
4 resultados
Resultados da Pesquisa
Item Digital images of seedling for evaluating coffee seed vigor(Associação Brasileira de Tecnologia de Sementes - ABRATES, 2019) Trujillo, Heiber Andres; Gomes-Junior, Francisco Guilhien; Cicero, Silvio MoureThe digital image analysis of seedlings has become largely employed in seed quality-control programs due to its feasibility, objectivity and fast results. Despite these advantages, no studies have yet demonstrated the efficiency of this technique for analyzing coffee seed vigor. The present study aimed at evaluating the efficiency of the Seed Vigor Imaging System (SVIS®) in determining the vigor of coffee seeds (Coffea arabica L.) from digital images of seedlings. Also, the results of these analyses were contrasted with conventional vigor tests. Six seed lots from each cultivar, Bourbon and Catucaí 20/15, were used. The research was conducted in two experimental times, and the seed vigor was determined by the tests of first germination count, accelerated aging, electrical conductivity, primary root protrusion speed, as well as by the analysis of scanned images of seedlings, made possible by the SVIS® software. For the Bourbon and Catucaí 20/15 cultivars, the SVIS® analysis was able to discriminate lots of both high and low vigor (vigor indexes of 317 to 752, and 181 to 703, respectively). A similar outcome was obtained from the conventional tests appraised in this research. Eventually, it was possible to conclude that the digital analysis of 20-day-old seedlings by SVIS® is an efficient method to evaluate coffee seed vigor.Item Treinamento de algoritmo para identificação de mudas de café por meio de imagens aéreas(Embrapa Café, 2019-10) Santana, Lucas Santos; Santos, Gabriel Henrique Ribeiro dos; Ferraz, Gabriel Araújo e Silva; Santos, Luana Mendes dos; Barbosa, Brenon Diennevan Souza; Bento, Nicole LopesAplicação de sistemas computacionais na agricultura vem se tornando necessidade, para incrementos de produtividade. A cafeicultura é considerada um dos mais importantes ramos do agronegócio brasileiro, mas alguns pontos ainda podem ser melhorados. A contagem de mudas de café é feita manualmente a campo, considerada uma técnica que apresenta baixa agilidade principalmente em grandes plantações, causando perda de tempo e desconforto à pessoa encarregada por este trabalho. A utilização de tecnologias avançadas no campo surge no contexto da agricultura de precisão. Esta pesquisa tem como intuito apresentar treinamento de um algoritmo para contagem automática de mudas de cafeeiros a partir de imagens obtidas por veículo aéreo não tripulado (VANT). O algoritmo desenvolvido é baseado numa rede neural artificial do tipo convolucional (RNC). A pesquisa foi realizada em uma área experimental de café em 2 estágios 3 e 6 totalizando 0,4 hectares no município de Bom Sucesso MG. Para a coleta das imagens foi utilizado um veículo aéreo não tripulado (VANT) modelo phanton 4, com capacidade de coletar imagens na composição Red Blue e Green (RGB). Os voos foram feitos com 30 metros de altura, velocidade de 3 m/s, sobreposição frontal e lateral de 80%. Para a criação do ortomosaico as imagens foram processadas no software Agisoft Photoscan e posteriormente tratadas no software Arcgis 10.2. Em seguida foi submetido a fase de treinamento, para a detecção automática das mudas no ortomosaico. Primeiramente foi necessário a criação de um banco de dados, com a finalidade de treinar e validar a rede neural YOLO (You Only Look Once). Após o treinamento foi utilizada a técnica de usar pequenos recortes de uma imagem se chama janelamento, na qual foram realizados 762 recortes. As imagens usadas para o treino da rede neural são distintas das imagens usadas para validação para assim o software demostrar o aprendizado. Os resultados apresentados em plantas de 3 meses não foram satisfatórios, pois ocorreu confusão na identificação entre mudas e plantas daninhas e sombras. Nas imagens de 6 meses foi observado melhor desempenho na identificação por meio de treinamento de algoritmos. A partir do treinamento de algoritmo por meio de aprendizado foi possível detectar mudas de cafeeiros a campo. Portanto para um refinamento e maior precisão do algoritmo é necessário o treinamento em diversas áreas e cultivares diferentes.Item Digitalização tridimensional de cafeeiros em campo por visão estéreo múltipla(Embrapa Café, 2019-10) Santos, Thiago Teixeira; Rakocevic, MiroslavaO registro da arquitetura de uma planta, isto é, a descrição da topologia e da geometria de sua estrutura, é empregado em estudos funcionais-estruturais variados como intercepção solar, interações bióticas e abióticas e dispersão de defensivos, entre outros. Porém, a realização desse registro é extremamente laboriosa, especialmente em plantas de maior porte e complexidade como o cafeeiro, o que restringe sua adoção e, consequentemente, o volume de dados disponíveis a tais estudos. Neste trabalho, mostramos que técnicas de visão computacional podem ser empregadas na construção de modelos tridimensionais de cafeeiros com o uso de uma única câmera comum e software adequado. Esses resultados indicam a possibilidade de automação do registro in silico da estrutura tridimensional de cafeeiros, permitindo um maior volume na obtenção de dados da arquitetura das plantas. Tal metodologia de aquisição de dados tridimensionais está ao alcance de qualquer grupo de pesquisa, devido ao baixo custo do equipamento necessário e implementações em software livre. Exemplos de reconstruções tridimensionais para oito cafeeiros adultos estão disponíveis em uma base de dados pública.Item Método para classificação de café em grãos por imagens digitais pelo uso de atributos selecionados de morfologia, cor e textura(Escola de Engenharia de São Carlos - Universidade de São Paulo, 2014-07-31) Oyama, Pedro Ivo de Castro; Rodrigues, Evandro Luis LinhariA análise da qualidade de grãos é um dos gargalos encontrados na cadeia produtiva do setor cafeeiro, tendo em vista que atualmente é feita de forma manual. Buscando uma solução para o problema, este trabalho apresenta um método baseado em visão computacional e redes neurais artificiais para identificar vinte e uma classes de grãos de café em amostras. No total, 421 atributos de três diferentes naturezas – morfologia, cor e textura – foram reunidos para compor o conjunto de características utilizado pela rede neural. Os atributos morfológicos são: Descritores de Fourier, Descritores Genéricos de Fourier, Momentos de Zernike, elementos do Modelo Autorregressivo e um conjunto de atributos diversos. Após avaliar duas abordagens para os atributos de cor – histogramas de frequências de cor e atributos estatísticos desses histogramas – a segunda foi escolhida e, assim, os atributos de cor adotados foram: média, variância, obliquidade, energia, curtose, entropia e suavidade de histogramas globais de cor, calculados para os espaços de cor RGB, HSV, I 1 I 2 I 3 e CIELAB. Visando um melhor desempenho, os descritores de Haralick foram modificados para que dois pixels de referência fossem utilizados no cálculo da matriz de coocorrência. A versão modificada dos descritores superou as originais, e assim, seus valores calculados com o espaço de cor I 1 I 2 I 3 (aquele que apresentou melhor eficácia em testes) foram utilizados como atributos de textura. O conjunto de atributos foi arranjado em cinco subconjuntos, cada um contendo diferentes combinações das distintas naturezas de atributos e sendo associado a uma análise. Para cada subconjunto selecionaram-se os melhores elementos pelas técnicas chi-quadrado, ganho de informação e PCA (Principal Component Analysis). O resultado dessa seleção determinou as entradas para três processos classificatórios, que foram avaliados a fim de se determinar o mais efetivo. Após as avaliações, e sendo determinada a melhor configuração, o processo classificatório escolhido proporcionou a acurácia de 85,08%, superando trabalhos correlatos.