Desenvolvimento de sistema inteligente para classificação da severidade da mancha foliar bacteriana do eucalipto

Detalhes bibliográficos
Autor(a) principal: Favan, João Ricardo
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/182564
Resumo: O setor florestal brasileiro e, principalmente, o setor de árvores plantadas tem suma importância para a economia do Brasil. Nessa cadeia produtiva, os viveiros florestais são os responsáveis por fornecer as mudas utilizadas em reflorestamentos, sendo que esses fornecem matéria prima para as indústrias de energia e papel e celulose. Dessa forma, o adequado manejo e a prevenção de doenças nas plantas comercializadas ocupam um lugar de destaque na produção dos viveiros. A Mancha Foliar Bacteriana (MFB) do eucalipto é uma doença preocupante para a produção de mudas de eucalipto, visto que sua incidência, sem o devido tratamento, pode levar a grandes perdas. A reflectância foliar de plantas pode ser um indicador para as respostas a diversos fenômenos biofísicos e bioquímicos em plantas. Este trabalho desenvolveu classificadores baseados em Inteligência Artificial para discriminar a ocorrência da mancha foliar bacteriana, assim como determinar sua severidade e seu período de latência, utilizando imagens digitais e assinaturas espectrais das folhas de eucalipto. Mudas de eucalipto foram inoculadas com uma suspensão de bactérias Xanthomonas spp. e suas assinaturas espectrais e imagens digitais foram coletadas durante oito dias consecutivos. Mudas de eucalipto não inoculados foram utilizados com controle negativo. Os dados coletados foram analisados utilizando técnicas estatísticas e de inteligência artificial, a fim de se obter a severidade da doença, seu período de latência, distinção entre mudas sadias e infectadas. Os modelos computacionais testados apresentaram bons resultados para a discriminação entre plantas doentes e sadias, permitindo a detecção pré sintomática da doença. A severidade da doença mensurada a partir da reflectância foliar espectral foi melhor ajustada pelos modelos estatísticos de regressão linear múltipla. Dessa forma, ferramentas computacionais e estatísticas devem ser usadas conjuntamente para obter os melhores resultados na classificação das doenças e na predição da severidade da doença.
id UNSP_8e839282f06592083fe1a8ecbf60d7ed
oai_identifier_str oai:repositorio.unesp.br:11449/182564
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Desenvolvimento de sistema inteligente para classificação da severidade da mancha foliar bacteriana do eucaliptoDevelopment of intelligent system to classify the severity of the bacterial leaf spot of eucalyptusaprendizado de máquinasRegressão linear múltiplaViveiros florestaisMancha foliarO setor florestal brasileiro e, principalmente, o setor de árvores plantadas tem suma importância para a economia do Brasil. Nessa cadeia produtiva, os viveiros florestais são os responsáveis por fornecer as mudas utilizadas em reflorestamentos, sendo que esses fornecem matéria prima para as indústrias de energia e papel e celulose. Dessa forma, o adequado manejo e a prevenção de doenças nas plantas comercializadas ocupam um lugar de destaque na produção dos viveiros. A Mancha Foliar Bacteriana (MFB) do eucalipto é uma doença preocupante para a produção de mudas de eucalipto, visto que sua incidência, sem o devido tratamento, pode levar a grandes perdas. A reflectância foliar de plantas pode ser um indicador para as respostas a diversos fenômenos biofísicos e bioquímicos em plantas. Este trabalho desenvolveu classificadores baseados em Inteligência Artificial para discriminar a ocorrência da mancha foliar bacteriana, assim como determinar sua severidade e seu período de latência, utilizando imagens digitais e assinaturas espectrais das folhas de eucalipto. Mudas de eucalipto foram inoculadas com uma suspensão de bactérias Xanthomonas spp. e suas assinaturas espectrais e imagens digitais foram coletadas durante oito dias consecutivos. Mudas de eucalipto não inoculados foram utilizados com controle negativo. Os dados coletados foram analisados utilizando técnicas estatísticas e de inteligência artificial, a fim de se obter a severidade da doença, seu período de latência, distinção entre mudas sadias e infectadas. Os modelos computacionais testados apresentaram bons resultados para a discriminação entre plantas doentes e sadias, permitindo a detecção pré sintomática da doença. A severidade da doença mensurada a partir da reflectância foliar espectral foi melhor ajustada pelos modelos estatísticos de regressão linear múltipla. Dessa forma, ferramentas computacionais e estatísticas devem ser usadas conjuntamente para obter os melhores resultados na classificação das doenças e na predição da severidade da doença.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)001Universidade Estadual Paulista (Unesp)Passos, José Raimundo de Souza [UNESP]Universidade Estadual Paulista (Unesp)Favan, João Ricardo2019-07-18T11:31:19Z2019-07-18T11:31:19Z2019-05-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://hdl.handle.net/11449/18256400091858333004064082P6porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-05-03T12:48:39Zoai:repositorio.unesp.br:11449/182564Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T21:43:07.643327Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Desenvolvimento de sistema inteligente para classificação da severidade da mancha foliar bacteriana do eucalipto
Development of intelligent system to classify the severity of the bacterial leaf spot of eucalyptus
title Desenvolvimento de sistema inteligente para classificação da severidade da mancha foliar bacteriana do eucalipto
spellingShingle Desenvolvimento de sistema inteligente para classificação da severidade da mancha foliar bacteriana do eucalipto
Favan, João Ricardo
aprendizado de máquinas
Regressão linear múltipla
Viveiros florestais
Mancha foliar
title_short Desenvolvimento de sistema inteligente para classificação da severidade da mancha foliar bacteriana do eucalipto
title_full Desenvolvimento de sistema inteligente para classificação da severidade da mancha foliar bacteriana do eucalipto
title_fullStr Desenvolvimento de sistema inteligente para classificação da severidade da mancha foliar bacteriana do eucalipto
title_full_unstemmed Desenvolvimento de sistema inteligente para classificação da severidade da mancha foliar bacteriana do eucalipto
title_sort Desenvolvimento de sistema inteligente para classificação da severidade da mancha foliar bacteriana do eucalipto
author Favan, João Ricardo
author_facet Favan, João Ricardo
author_role author
dc.contributor.none.fl_str_mv Passos, José Raimundo de Souza [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Favan, João Ricardo
dc.subject.por.fl_str_mv aprendizado de máquinas
Regressão linear múltipla
Viveiros florestais
Mancha foliar
topic aprendizado de máquinas
Regressão linear múltipla
Viveiros florestais
Mancha foliar
description O setor florestal brasileiro e, principalmente, o setor de árvores plantadas tem suma importância para a economia do Brasil. Nessa cadeia produtiva, os viveiros florestais são os responsáveis por fornecer as mudas utilizadas em reflorestamentos, sendo que esses fornecem matéria prima para as indústrias de energia e papel e celulose. Dessa forma, o adequado manejo e a prevenção de doenças nas plantas comercializadas ocupam um lugar de destaque na produção dos viveiros. A Mancha Foliar Bacteriana (MFB) do eucalipto é uma doença preocupante para a produção de mudas de eucalipto, visto que sua incidência, sem o devido tratamento, pode levar a grandes perdas. A reflectância foliar de plantas pode ser um indicador para as respostas a diversos fenômenos biofísicos e bioquímicos em plantas. Este trabalho desenvolveu classificadores baseados em Inteligência Artificial para discriminar a ocorrência da mancha foliar bacteriana, assim como determinar sua severidade e seu período de latência, utilizando imagens digitais e assinaturas espectrais das folhas de eucalipto. Mudas de eucalipto foram inoculadas com uma suspensão de bactérias Xanthomonas spp. e suas assinaturas espectrais e imagens digitais foram coletadas durante oito dias consecutivos. Mudas de eucalipto não inoculados foram utilizados com controle negativo. Os dados coletados foram analisados utilizando técnicas estatísticas e de inteligência artificial, a fim de se obter a severidade da doença, seu período de latência, distinção entre mudas sadias e infectadas. Os modelos computacionais testados apresentaram bons resultados para a discriminação entre plantas doentes e sadias, permitindo a detecção pré sintomática da doença. A severidade da doença mensurada a partir da reflectância foliar espectral foi melhor ajustada pelos modelos estatísticos de regressão linear múltipla. Dessa forma, ferramentas computacionais e estatísticas devem ser usadas conjuntamente para obter os melhores resultados na classificação das doenças e na predição da severidade da doença.
publishDate 2019
dc.date.none.fl_str_mv 2019-07-18T11:31:19Z
2019-07-18T11:31:19Z
2019-05-24
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/182564
000918583
33004064082P6
url http://hdl.handle.net/11449/182564
identifier_str_mv 000918583
33004064082P6
dc.language.iso.fl_str_mv por
language por
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 Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808129350055231488