Avaliação de métodos automáticos de limiarização para imagens de plantas de milho atacadas por Spodoptera frugiperda

Detalhes bibliográficos
Autor(a) principal: Sena Júnior, Darly G. de
Data de Publicação: 2003
Outros Autores: Pinto, Francisco de A. de C., Gomide, Reinaldo L., Teixeira, Mauri M.
Tipo de documento: Artigo
Idioma: por
Título da fonte: LOCUS Repositório Institucional da UFV
Texto Completo: http://dx.doi.org/10.1590/S1415-43662003000200030
http://locus.ufv.br//handle/123456789/26240
Resumo: Um dos passos fundamentais no processamento de imagens para um sistema de visão artificial é a segmentação dos objetos de interesse na cena, e um dos métodos mais utilizados é a limiarização, em especial quando o objetivo é agrupar os pixels em duas classes. Neste método, o valor do limiar determina o número de pixels atribuídos a cada classe, além de influenciar a dimensão e a forma dos objetos nas imagens segmentadas. A utilização de métodos automáticos para definição do limiar, não só evitaria a influência de operadores mas, também, tornaria mais rápida a escolha dos limiares no campo, onde a variação da iluminação influencia os valores dos pixels. Este trabalho objetivou implementar e avaliar dois métodos automáticos de limiarização para identificação de plantas de milho atacadas pela lagarta do cartucho. Foram utilizadas imagens de plantas atacadas e não-atacadas, em três épocas, correspondendo a diferentes dias após a infestação. As plantas foram reunidas em três grupos de 10, sendo as imagens de cada grupo obtidas sob uma intensidade luminosa diferente. As imagens processadas com o índice do excesso de verde normalizado foram limiarizadas, automaticamente, e comparadas com a limiarização manual das mesmas imagens. Os resultados obtidos pelos dois métodos automáticos de limiarização foram satisfatórios, apresentando média acima de 99% de exatidão global, evidenciando-se, portanto, que ambos os métodos têm potencial para serem utilizados em um sistema de identificação de plantas de milho atacadas pela lagarta do cartucho.
id UFV_514dcd651289f37ad42f87276d3bb9b5
oai_identifier_str oai:locus.ufv.br:123456789/26240
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str 2145
spelling Sena Júnior, Darly G. dePinto, Francisco de A. de C.Gomide, Reinaldo L.Teixeira, Mauri M.2019-07-17T11:42:41Z2019-07-17T11:42:41Z2003-051807-1929http://dx.doi.org/10.1590/S1415-43662003000200030http://locus.ufv.br//handle/123456789/26240Um dos passos fundamentais no processamento de imagens para um sistema de visão artificial é a segmentação dos objetos de interesse na cena, e um dos métodos mais utilizados é a limiarização, em especial quando o objetivo é agrupar os pixels em duas classes. Neste método, o valor do limiar determina o número de pixels atribuídos a cada classe, além de influenciar a dimensão e a forma dos objetos nas imagens segmentadas. A utilização de métodos automáticos para definição do limiar, não só evitaria a influência de operadores mas, também, tornaria mais rápida a escolha dos limiares no campo, onde a variação da iluminação influencia os valores dos pixels. Este trabalho objetivou implementar e avaliar dois métodos automáticos de limiarização para identificação de plantas de milho atacadas pela lagarta do cartucho. Foram utilizadas imagens de plantas atacadas e não-atacadas, em três épocas, correspondendo a diferentes dias após a infestação. As plantas foram reunidas em três grupos de 10, sendo as imagens de cada grupo obtidas sob uma intensidade luminosa diferente. As imagens processadas com o índice do excesso de verde normalizado foram limiarizadas, automaticamente, e comparadas com a limiarização manual das mesmas imagens. Os resultados obtidos pelos dois métodos automáticos de limiarização foram satisfatórios, apresentando média acima de 99% de exatidão global, evidenciando-se, portanto, que ambos os métodos têm potencial para serem utilizados em um sistema de identificação de plantas de milho atacadas pela lagarta do cartucho.A fundamental step in image processing for machine vision is the scene segmentation and one of the most used methods is the threshold, especially when one desires to cluster the pixels in two classes. The image threshold affects the number of pixels in each class and the object shape and dimension. An automatic thresholding method not only could avoid operator's influence but also could speed up the threshold value definition in the field where light variation influences the pixels values. In this work, two automatic thresholding methods were evaluated for use in a machine vision system that identifies damaged corn plants by the armyworms. The images used were of damaged and not damaged corn plants in three stages. Three groups of 10 plants were collected to take the images of each group under different light intensities. The images processed with the excess green index were thresholded with the automatic methods and compared with the manual thresholding methods. The results of both automatic methods were good, with a mean accuracy higher than 99%, showing the potential of the system for identifying the damaged corn plants.porRevista Brasileira de Engenharia Agrícola e Ambientalv. 7, n. 2, p. 359- 366, mai./ ago. 2003Processamento de imagensVisão artificialAgricultura de precisãoImage processingMachine visionPrecision farmingAvaliação de métodos automáticos de limiarização para imagens de plantas de milho atacadas por Spodoptera frugiperdainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALartigo.pdfartigo.pdfartigoapplication/pdf1476840https://locus.ufv.br//bitstream/123456789/26240/1/artigo.pdfb1368d65eb9eef0d5e93ac6b5b618385MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/26240/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/262402019-07-17 11:42:42.137oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452019-07-17T14:42:42LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.pt-BR.fl_str_mv Avaliação de métodos automáticos de limiarização para imagens de plantas de milho atacadas por Spodoptera frugiperda
title Avaliação de métodos automáticos de limiarização para imagens de plantas de milho atacadas por Spodoptera frugiperda
spellingShingle Avaliação de métodos automáticos de limiarização para imagens de plantas de milho atacadas por Spodoptera frugiperda
Sena Júnior, Darly G. de
Processamento de imagens
Visão artificial
Agricultura de precisão
Image processing
Machine vision
Precision farming
title_short Avaliação de métodos automáticos de limiarização para imagens de plantas de milho atacadas por Spodoptera frugiperda
title_full Avaliação de métodos automáticos de limiarização para imagens de plantas de milho atacadas por Spodoptera frugiperda
title_fullStr Avaliação de métodos automáticos de limiarização para imagens de plantas de milho atacadas por Spodoptera frugiperda
title_full_unstemmed Avaliação de métodos automáticos de limiarização para imagens de plantas de milho atacadas por Spodoptera frugiperda
title_sort Avaliação de métodos automáticos de limiarização para imagens de plantas de milho atacadas por Spodoptera frugiperda
author Sena Júnior, Darly G. de
author_facet Sena Júnior, Darly G. de
Pinto, Francisco de A. de C.
Gomide, Reinaldo L.
Teixeira, Mauri M.
author_role author
author2 Pinto, Francisco de A. de C.
Gomide, Reinaldo L.
Teixeira, Mauri M.
author2_role author
author
author
dc.contributor.author.fl_str_mv Sena Júnior, Darly G. de
Pinto, Francisco de A. de C.
Gomide, Reinaldo L.
Teixeira, Mauri M.
dc.subject.pt-BR.fl_str_mv Processamento de imagens
Visão artificial
Agricultura de precisão
Image processing
Machine vision
Precision farming
topic Processamento de imagens
Visão artificial
Agricultura de precisão
Image processing
Machine vision
Precision farming
description Um dos passos fundamentais no processamento de imagens para um sistema de visão artificial é a segmentação dos objetos de interesse na cena, e um dos métodos mais utilizados é a limiarização, em especial quando o objetivo é agrupar os pixels em duas classes. Neste método, o valor do limiar determina o número de pixels atribuídos a cada classe, além de influenciar a dimensão e a forma dos objetos nas imagens segmentadas. A utilização de métodos automáticos para definição do limiar, não só evitaria a influência de operadores mas, também, tornaria mais rápida a escolha dos limiares no campo, onde a variação da iluminação influencia os valores dos pixels. Este trabalho objetivou implementar e avaliar dois métodos automáticos de limiarização para identificação de plantas de milho atacadas pela lagarta do cartucho. Foram utilizadas imagens de plantas atacadas e não-atacadas, em três épocas, correspondendo a diferentes dias após a infestação. As plantas foram reunidas em três grupos de 10, sendo as imagens de cada grupo obtidas sob uma intensidade luminosa diferente. As imagens processadas com o índice do excesso de verde normalizado foram limiarizadas, automaticamente, e comparadas com a limiarização manual das mesmas imagens. Os resultados obtidos pelos dois métodos automáticos de limiarização foram satisfatórios, apresentando média acima de 99% de exatidão global, evidenciando-se, portanto, que ambos os métodos têm potencial para serem utilizados em um sistema de identificação de plantas de milho atacadas pela lagarta do cartucho.
publishDate 2003
dc.date.issued.fl_str_mv 2003-05
dc.date.accessioned.fl_str_mv 2019-07-17T11:42:41Z
dc.date.available.fl_str_mv 2019-07-17T11:42:41Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dx.doi.org/10.1590/S1415-43662003000200030
http://locus.ufv.br//handle/123456789/26240
dc.identifier.issn.none.fl_str_mv 1807-1929
identifier_str_mv 1807-1929
url http://dx.doi.org/10.1590/S1415-43662003000200030
http://locus.ufv.br//handle/123456789/26240
dc.language.iso.fl_str_mv por
language por
dc.relation.ispartofseries.pt-BR.fl_str_mv v. 7, n. 2, p. 359- 366, mai./ ago. 2003
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Revista Brasileira de Engenharia Agrícola e Ambiental
publisher.none.fl_str_mv Revista Brasileira de Engenharia Agrícola e Ambiental
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
bitstream.url.fl_str_mv https://locus.ufv.br//bitstream/123456789/26240/1/artigo.pdf
https://locus.ufv.br//bitstream/123456789/26240/2/license.txt
bitstream.checksum.fl_str_mv b1368d65eb9eef0d5e93ac6b5b618385
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1801212982502359040