Algoritmo para classificação de plantas de milho atacadas pela lagarta do cartucho (Spodoptera frugiperda, Smith) em imagens digitais
| Autor: | Sena Júnior, Darly G. de, Pinto, Francisco de A. de C., Queiroz, Daniel M. de, Mantovani, Evandro C. |
|---|---|
| Jazyk: | portugalština |
| Rok vydání: | 2001 |
| Předmět: | |
| Zdroj: | Revista Brasileira de Engenharia Agrícola e Ambiental v.5 n.3 2001 Revista Brasileira de Engenharia Agrícola e Ambiental Universidade Federal de Campina Grande (UFCG) instacron:UFCG Revista Brasileira de Engenharia Agrícola e Ambiental, Volume: 5, Issue: 3, Pages: 502-509, Published: DEC 2001 |
| Popis: | Foi desenvolvido e testado, no presente estudo, um algoritmo de processamento e análise de imagens digitais para identificação de plantas de milho atacadas pela lagarta do cartucho, o qual consistiu em duas etapas de classificação dos objetos presentes na cena de uma lavoura de milho. Na primeira etapa, denominada classificação grosseira, utilizou-se a técnica de limiarização em blocos da imagem com 60 x 60 pixels de dimensão e, na segunda etapa, denominada classificação refinada, utilizaram-se redes neurais artificiais em blocos com 3 x 3 pixels de dimensão. A exatidão de cada etapa do algoritmo foi acessada através da determinação da matriz de contingência, com base em 80 e 75 blocos, para a classificação grosseira e refinada, respectivamente. O algoritmo apresentou índice de exatidão global de 80,74%. An image processing and analysis algorithm was developed to identify the fall armyworm damage on corn plants. The developed program segmented the larvae damage on the image in two stages: a coarse and fine classification. The coarse stage applied a threshold technique on image blocks of 60 x 60 pixels. The fine stage was based on a neural network classifier which classifies image blocks of 3 x 3 pixels. The algorithm accuracy was accessed by evaluating the error matrix based on 80 and 75 image blocks of the coarse and fine stages, respectively. The algorithm presented an overall accuracy of 80.74%. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|