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

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.

Saved in:
Bibliographic Details
Main Authors: SENA JUNIOR, D. G., PINTO, F. de A. de C., GOMIDE, R. L., TEIXEIRA, M. M.
Other Authors: REINALDO LUCIO GOMIDE, CNPMS.
Format: Artigo de periódico biblioteca
Language:pt_BR
por
Published: 2004-05-05
Subjects:Processamento de imagem., Agricultura de Precisão.,
Online Access:http://www.alice.cnptia.embrapa.br/alice/handle/doc/486633
Tags: Add Tag
No Tags, Be the first to tag this record!