Resumo |
A partir de meados do século XX, a agricultura passou por diversas modernizações. Tais modernizações se deram, principalmente, na inserção de tecnologias para auxiliar a produção e a colheita nas lavouras. Tal inserção tecnológica possibilitou à humanidade produzir alimentos em larga escala. Atualmente, estamos vivenciando a chamada terceira revolução agrícola, a qual podemos resumi-la no termo Agricultura de Precisão (AP). A AP, basicamente, consiste em tratar cada área pertencente a uma determinada cultura plantada de forma independente, levando em consideração aspectos como, por exemplo: presença de plantas infestantes, estresse hídrico ou de nitrogênio. Neste sentido, a AP é amplamente dependente de tecnologias de mapeamento e imageamento. Tais imagens podem ser obtidas por satélites e, especialmente, por Veículos Aéreos Não Tripulados (VANTs). A utilização de VANTs na AP tem se popularizado em virtude do VANT realizar voos de baixa e média altitude, o que possibilita uma visão detalhada da área a ser analisada, além ser possível acoplar diversos sensores ao VANT, sendo cada um desses sensores responsável por obter uma informação diferente de uma mesma área. Por outro lado, devido principalmente à natureza do voo do VANT, as imagens multiespectrais obtidas comumente encontram-se desalinhadas entre os seus respectivos canais. Deste modo, para correta análise das imagens da área plantada e consequente correta tomada de decisões na AP, é necessário que essas imagens estejam com as bandas alinhadas. Neste sentido, o presente trabalho propõe o alinhamento de uma base de dados com imagens multiespectrais obtidas por VANTs na AP em uma cultura de cana-de-açúcar. O referido dataset possui imagens com cinco bandas: Azul, Verde, Vermelho, Infravermelho Próximo e Borda do Vermelho. Para realizarmos o alinhamento, iremos considerar a banda Verde como “fixa” e posteriormente alinhar as demais em direção a esta banda. Para tanto, iremos selecionar manualmente 12 pontos de controle na banda denominada “fixa” e, a posteriori, encontrar os mesmos 12 pontos correspondentes nas outras bandas. De posse desses pontos é possível realizar computacionalmente o alinhamento entre as bandas de cada imagem. Por fim, espera-se que, com a realização desse alinhamento, seja possível analisar e extrair índices da área plantada com maior precisão. Além disso, a construção dessa base de dados alinhada poderá auxiliar futuras pesquisas que demandam esse tipo de base de conhecimento, como, por exemplo, aquelas que envolvam algoritmos de aprendizado de máquina. |