Desenvolvimento de mosaico de imagens para automatização de processos na fruticultura de precisão
Resumo
O presente trabalho, em andamento, teve por objetivo detalhar o desenvolvimento de automação na produção das culturas de frutas perenes usando métodos de construção de mosaico de imagens. A solução consiste na utilização de técnicas de visão computacional baseadas na biblioteca open source OpenCV para a captação e processamento de imagens, atuando como facilitadora no planejamento do plantio, controle e colheita de maçãs em pomares com maior desempenho qualitativo e quantitativo.
Palavras-chave:
Fruticultura de precisão, mosaico de imagens, automação agrícola
Referências
SANTOS, Aline; NASCIMENTO, Fábio. Transformações ocorridas ao longo da evolução da atividade agrícola: algumas considerações. ENCICLOPÉDIA BIOSFERA, v. 5, n. 08, 2009.
GEBLER, Luciano et al. Appleshow: sistema de informação geográfica (SIG) de baixo custo para geração de mapas para a cultura da macieira. In: Embrapa Uva e Vinho-Resumo em anais de congresso (ALICE). Vol II-Resumos. Fraiburgo, SC: Epagri, 23 a 25 jul. 2019. p. 134., 2019.
GEBLER, L. Você está pronto para a fruticultura de precisão?. Embrapa Uva e Vinho-Artigo de divulgação na mídia (INFOTECA-E), 2020.
BRAGA, Ricardo; PINTO, Pedro Aguiar. Agricultura de precisão: adopção & principais obstáculos. 2011.
BAGLI, Vantier Veronezi; FONSECA, Leila Maria Garcia. Mosaico de Imagens baseado na Análise em Múltiplas Resoluções. In: GeoInfo. 2005. p. 236-244.
TARALLO, A. de S. et al. Uso de mosaico de imagens aéreas como ferramenta de auxílio ao diagnóstico de diversas culturas. Embrapa Instrumentação-Capítulo em livro científico (ALICE), 2014.
CRUVINEL, Paulo E.; KARAM, Décio. Método de reconhecimento baseado no uso de informações de textura e visão computacional. Embrapa Milho e Sorgo-Capítulo em livro científico (ALICE), 2011. padrões de plantas invasoras de folhas largas e estreitas da cultura do milho (Zea mays L.) b
KESTUR, Ramesh; MEDURI, Avadesh; NARASIPURA, Omkar. MangoNet: A deep semantic segmentation architecture for a method to detect and count mangoes in an open orchard. Engineering Applications of Artificial Intelligence, v. 77, p. 59-69, 2019.
LI, Honglei et al. A Fruit Tree Disease Diagnosis Model Based on Stacking Ensemble Learning. Complexity, v. 2021, 2021.
BASSOI, Luís Henrique et al. Agricultura de precisão em fruticultura. Embrapa Clima Temperado-Capítulo em livro científico (ALICE), 2014.
BROWN, Matthew; LOWE, David G. Automatic panoramic image stitching using invariant features. International journal of computer vision, v. 74, n. 1, p. 59-73, 2007.
CULJAK, Ivan et al. A brief introduction to OpenCV. In: 2012 proceedings of the 35th international convention MIPRO. IEEE, 2012. p. 1725-1730.
BRADSKI, Gary; KAEHLER, Adrian. Learning OpenCV: Computer vision with the OpenCV library. " O'Reilly Media, Inc.", 2008.
GEBLER, Luciano et al. Appleshow: sistema de informação geográfica (SIG) de baixo custo para geração de mapas para a cultura da macieira. In: Embrapa Uva e Vinho-Resumo em anais de congresso (ALICE). Vol II-Resumos. Fraiburgo, SC: Epagri, 23 a 25 jul. 2019. p. 134., 2019.
GEBLER, L. Você está pronto para a fruticultura de precisão?. Embrapa Uva e Vinho-Artigo de divulgação na mídia (INFOTECA-E), 2020.
BRAGA, Ricardo; PINTO, Pedro Aguiar. Agricultura de precisão: adopção & principais obstáculos. 2011.
BAGLI, Vantier Veronezi; FONSECA, Leila Maria Garcia. Mosaico de Imagens baseado na Análise em Múltiplas Resoluções. In: GeoInfo. 2005. p. 236-244.
TARALLO, A. de S. et al. Uso de mosaico de imagens aéreas como ferramenta de auxílio ao diagnóstico de diversas culturas. Embrapa Instrumentação-Capítulo em livro científico (ALICE), 2014.
CRUVINEL, Paulo E.; KARAM, Décio. Método de reconhecimento baseado no uso de informações de textura e visão computacional. Embrapa Milho e Sorgo-Capítulo em livro científico (ALICE), 2011. padrões de plantas invasoras de folhas largas e estreitas da cultura do milho (Zea mays L.) b
KESTUR, Ramesh; MEDURI, Avadesh; NARASIPURA, Omkar. MangoNet: A deep semantic segmentation architecture for a method to detect and count mangoes in an open orchard. Engineering Applications of Artificial Intelligence, v. 77, p. 59-69, 2019.
LI, Honglei et al. A Fruit Tree Disease Diagnosis Model Based on Stacking Ensemble Learning. Complexity, v. 2021, 2021.
BASSOI, Luís Henrique et al. Agricultura de precisão em fruticultura. Embrapa Clima Temperado-Capítulo em livro científico (ALICE), 2014.
BROWN, Matthew; LOWE, David G. Automatic panoramic image stitching using invariant features. International journal of computer vision, v. 74, n. 1, p. 59-73, 2007.
CULJAK, Ivan et al. A brief introduction to OpenCV. In: 2012 proceedings of the 35th international convention MIPRO. IEEE, 2012. p. 1725-1730.
BRADSKI, Gary; KAEHLER, Adrian. Learning OpenCV: Computer vision with the OpenCV library. " O'Reilly Media, Inc.", 2008.
Publicado
13/10/2021
Como Citar
ANZOLIN, Tassiane Bárbara Périco; PAULA FILHO, Pedro Luiz de; GEBLER, Luciano; TONIN, Paulo César.
Desenvolvimento de mosaico de imagens para automatização de processos na fruticultura de precisão. In: CONGRESSO LATINO-AMERICANO DE SOFTWARE LIVRE E TECNOLOGIAS ABERTAS (LATINOWARE), 18. , 2021, Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 163-166.
DOI: https://doi.org/10.5753/latinoware.2021.19926.
