Resumo |
O café é um importante produto do cenário econômico mundial. A busca por métodos e tecnologias para aumentar a produtividade das lavouras é constante. Uma tecnologia que pode auxiliar nesse processo é o processamento de imagens digitais. A captura e o processamento de imagens digitais permitem extrair informações úteis para melhorar a produtividade das lavouras. Por meio da análise automatizada de imagens de plantas é possível auxiliar a identificação de doenças, pragas, deficiências de nutrientes etc. O objetivo deste trabalho é classificar folhas de cafeeiro em imagens digitais de acordo com diferentes deficiências nutricionais. Folhas de cafeeiro apresentam alterações visuais quando ocorre a falta de certos tipos de nutrientes como, por exemplo, o ferro (Fe) e magnésio (Mg). A falta de nutrientes pode levar a mudanças na coloração das folhas, no padrão de venação, enrugamento entre outros tipos de sinais. Imagens de folhas de cafeeiro obtidas nas lavouras da região de Rio Paranaíba – MG serão previamente segmentadas. Serão computadas características de cor e textura de cada uma das regiões segmentadas da imagem, como por exemplo: intensidade média, desvio padrão, entropia, matriz de co-ocorrência entre outras. Essas características serão utilizadas para classificar as folhas utilizando algoritmos de classificação supervisionados e não supervisionados, como classificador de Bayes e k-means, respectivamente. Um método de processamento de imagens para segmentação das folhas do cafeeiro nas está sendo desenvolvido em paralelo pelo aluno Tarcísio de Paulo Rosa. Para realizar a validação do método de classificação proposto um agrônomo realizará a classificação manual das folhas segmentadas, cujos resultados serão comparados como os obtidos pelos métodos. Espera-se que como resultado deste trabalho seja determinado um conjunto de características de textura que permitam uma boa discriminação, por meio dos classificadores, das folhas saldáveis e das folhas com deficiência de Fe e Mg presentes nas imagens. Pretende-se, dessa forma, contribuir para o aumento do nível de automação na diagnose visual de deficiências nutricionais no cafeeiro. |