Estimativa da produção de uma lavoura de agricultura familiar através de imagens digitais capturadas por veículo aéreo não tripulado (VANT)

  • Gerson L. Serejo UFPA
  • Viviane A. Santos UFPA
  • Ana C. S. Gomes Instituto Senai de Inovação
  • Alexandre F. B. Silva Instituto Senai de Inovação

Resumo


A agricultura familiar tem se tornado uma alternativa importante para garantir a sustentabilidade dos sistemas de produção de alimentos no Brasil. Em Tucuruí, existem muitas fazendas deste tipo, mas carecem de informações que auxiliem na tomada de decisões. O objetivo deste trabalho é estimar a colheita de mandioca de um pequeno produtor da região, através do emprego de técnicas de processamento digital de imagens (PDI) e visão computacional (VC). A contribuição científica deste estudo corresponde ao processo aplicado para a obtenção da contagem das plantas e da produtividade do cultivo. Como contribuições práticas, a conscientização do agricultor para melhorar a negociação da produção e planejar os sistemas de produção das safras futuras.

Palavras-chave: Agricultura Familiar, Mandioca, Contagem de Plantas, Produtividade Agrícola, Processamento Digital de Imagens, Visão Computacional

Referências

Anguiano-Morales, M., Corral-Martínez, L. F., Trujillo-Schiaffino, G., Salas-Peimbert, D. P., García-Guevara, A. E. (2018) “Topographic investigation from a low altitude unmanned aerial vehicle”, Optics and Lasers in Engineering: 110, 63-71.

CONTAG - Confederação Nacional dos Trabalhadores na Agricultura (2017) “Development of family farming”, Anais do Congresso Nacional de Trabalhadores Rurais Agricultores e Agricultoras Familiares, Março, pp. 36-39, Cidade Gráfica.

EMBRAPA (2018) “Análises gráficas dos principais produtos agropecuários do Estado do Pará”, https://www.embrapa.br/congresso-de-mandioca-2018/mandioca-em-numeros .

FAPESPA - Fundação Amazônia de Amparo a Estudos e Pesquisas do Pará (2015) "Boletim Agropecuário do Estado do Pará", http://www.fapespa.pa.gov.br/sites/default/files/Boletim_Agropecuario_do_Estado_do_Para_2015.pdf.

Feng, A., Zhang, M., Sudduth, K. A., Vories, E. D., Zhou, J. (2019) “Cotton yield estimation from UAV-based plant height”, Trans. of the ASABE: 62(2), 393-404.

Gnädinger, F.E, Schmidhalter, U. (2017) “Digital Counts of Maize Plants by Unmanned Aerial Vehicles (UAVs)”, Remote Sensing: 9(6), 544-559.

Hamuda, E., Glavin, M., Jones, E. (2016). “A survey of image processing techniques for plant extraction and segmentation in the field”, Computers and Electronics in Agriculture: 125, pages 184-199.

Hague, T. Tillet, N. D., Wheeler, H. (2006), “Automated crop and weed monitoring in widely spaced cereals”, Precision Agriculture: 7, 21-32. Springer.

Hunt, E. R., Cavigelli, M., Daughtry, C. T., McMurtrey, J. Walthall, S. L. (2005), “Evaluation of digital photography from model aircraft for remote sensing of crop biomass”, Precision Agiculture: 6(4), 359-378, Springer.

Kataoka, T., Kaneko, T., Okamoto, H., Hata, S.(2003), “Crop growth estimation system using machine vision”, In Proceedings 2003 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM 2003): Vol. 2, pp. b1079-b1083. IEEE.

Ghosal, S., Zheng, B., Chapman, S. C., Potgieter, A. B., Jordan, D. R., Wang, Singh, A. K., Singh, A., Ganapathysubramanian, B., Hirafuji, A., Ninomiya, S. (2019) “A weakly supervised deep learning framework for sorghum head detection and counting”, Plant Phenomics: pages 1-14.

Guerrero, J. M., Pajares, G., Montalvo, M., Romeo, J., Guijarro, M. (2012) “Support vector machines for crop/weeds identification in maize fields”, Expert Systems with Applications: 39(12), pages 11149-11155.

Guijarro, M., Pajares, G., Riomoros, I., Herrera, P. J., Burgos-Artizzu, X. P., Ribeiro, A. (2011) “Automatic segmentation of relevant textures in agricultural images”, Computers and Electronics in Agriculture: 75(1), pages 75-83.

McCraine, C. D., Samiappan, S., Czarnecki, J. M. P., Dodds, D. M. (2019) “Plant density estimation and weeds mapping on row crops at emergence using low altitude UAS imagery”, In Autonomous Air and Ground Sensing Systems for Agricultural Optimization and Phenotyping: IV(11008), p. 110080Y. International Society for Optics and Photonics.

Meyer, G. E., Camargo-Neto, J., Jones, D. D., Hindman, T. W. (2004) “Intensified fuzzy clusters for classifying plant, soil, and residue regions of interest from color images”, Computers and electronics in agriculture: 42(3), pages 161-180.

Meyer, G. E., Camargo Neto, J. (2008) “Verification of color vegetation indices for automated crop imaging applications”, Computers and electronics in agriculture: vol. 63, pages 282-293. Elsevier.

Moorthy, S., Boigelot, B., Mercatoris, B. C. N. (2015) “Effective segmentation of green vegetation for resource-constrained real-time applications”, In Precision agriculture: 15, pages 93-98. Wageningen Academic Publishers.

Netto, A. F. A., Martins, R. N., de Souza, G. S. A., Araújo, G. D. M., de Almeida, S. L. H., Capelini, V. A. (2018), “Segmentation of RGB images using different vegetation indices and thresholding methods”, Nativa: Pesquisas Agrárias e Ambientais, 6(4), 389-394.

Otsu, N. (1979) “A threshold selection method from gray-level histogram”. IEEE Transactions on Systems Man and Cybernetics: 9(1), pages 62-66.

Riddler, T. W., Calvard, S. (1978), “Picture thresholding using an iterative selection method”, IEEE trans syst Man Cybern: 8(8), 630-632.

SEAD - Secretaria Especial de Agricultura Familiar e do Desenvolvimento Agrário (2017) “Brasil: 70% dos alimentos que vão à mesa dos brasileiros são da agricultura familiar”, http://www.mda.gov.br/sitemda/noticias/brasil-70-dos-alimentos-que-v%C3%A3o-%C3%A0-mesa-dos-brasileiros-s%C3%A3o-da-agricultura-familiar, acessado em 11/08/2019.

Schalkoff, R.J. (1989) Digital Image Processing and Computer Vision, Wiley, 1th edition.

Soares, G. A. (2017) “Identificação de linhas de plantio por meio da transformada de Hough”, Trabalho de conclusão de curso, Faculdade de Computação da Universidade Federal de Uberlândia, Minas Gerais.

Varela, S., Dhodda, P. R., Hsu, W. H., Prasad, P. V., Assefa, Y., Peralta, N. R., T., Griffin, A., Sharda, A., Ferguson, Ciampitti, I. A. (2018) “Early-season stand count determination in corn via integration of imagery from unmanned aerial systems (UAS) and supervised learning techniques”, Remote Sensing: 10(2), 343.

Woebbecke, D. M., Meyer, G. E., Von Bargen, K., Mortensen, D. A. (1993) “ Plant species identification, size, and enumeration using machine vision techniques on near-binary images”, In Optics in Agriculture and Forestry: (1836), 208-219.

Woebbecke, D. M., Meyer, G. E., Von Bargen, K., Mortensen, D. A. (1995) “Color indices for weed identification under various soil, residue, and lighting conditions”, Transactions of the ASAE: (38), 259-269.

Zack, G. W., Rogers, W. E., Latt, S. A. (1977). “Automatic measurement of sister chromatid exchange frequency”, Journal of Histochemistry & Cytochemistry: 25(7), 741-753.
Publicado
18/07/2021
SEREJO, Gerson L.; SANTOS, Viviane A.; GOMES, Ana C. S.; SILVA, Alexandre F. B.. Estimativa da produção de uma lavoura de agricultura familiar através de imagens digitais capturadas por veículo aéreo não tripulado (VANT). In: WORKSHOP DE COMPUTAÇÃO APLICADA À GESTÃO DO MEIO AMBIENTE E RECURSOS NATURAIS (WCAMA), 12. , 2021, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021 . p. 79-86. ISSN 2595-6124. DOI: https://doi.org/10.5753/wcama.2021.15739.