Registro fonte: Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais

Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais

Nitrogen nutrition in the bean crop is important to ensure good productivity, however the ways of detecting these levels (chemical and visual analysis) are slow or depend on an experienced professional, so the objective of this work is to diagnose nitrogen levels through of Computational Vision and...

ver descrição completa

Autor principal:	Guidolin, Leonardo Gomes
Formato:	Dissertação
Idioma:	Português
Publicado em:	Universidade Tecnológica Federal do Paraná 2018
Assuntos:	Redes neurais (Computação) Linguagem de programação (Computadores) Feijão-comum Neural networks (Computer science) Programming languages (Electronic computers) Common bean CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS) Engenharia/Tecnologia/Gestão
Acesso em linha:	http://repositorio.utfpr.edu.br/jspui/handle/1/3452
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	riut-1-3452
recordtype	dspace
spelling	riut-1-34522018-09-28T06:00:56Z Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais Diagnosis of nitrogen levels in bean leaves using computational vision and artificial neural network Guidolin, Leonardo Gomes Luchese, Augusto Vaghetti http://lattes.cnpq.br/3033591975237656 Paula Filho, Pedro Luiz de http://lattes.cnpq.br/8149364045680042 Luchese, Augusto Vaghetti Menezes, Paulo Lopes de Andrade, Mauricio Guy de Redes neurais (Computação) Linguagem de programação (Computadores) Feijão-comum Neural networks (Computer science) Programming languages (Electronic computers) Common bean CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS) Engenharia/Tecnologia/Gestão Nitrogen nutrition in the bean crop is important to ensure good productivity, however the ways of detecting these levels (chemical and visual analysis) are slow or depend on an experienced professional, so the objective of this work is to diagnose nitrogen levels through of Computational Vision and Artificial Neural Networks (RNA). Beans were grown in a greenhouse containing 5 different doses of nitrogen, 50, 100, 150, 200 and 250 mg L-1. The data collected from the plants were chlorophyll content by means of chlorophyll meter, nitrogen contents in mg L-1 and leaves images, being these realized in two moments of the development of the plant 45 and 58 days after sowing, to make the diagnosis Gray Level Co-Occurrence Matrix (GLCM), non-texturing Statistic and Local Binary Pattern (LBP) were used. Finally, the data generated by the previous methods were used for the training and testing of Artificial Neural Networks (ANN) Multilayer Perceptron for regression and later classification of the levels of nitrogen. This work demonstrated that the three methods are promising depending on the situation, but the combination of the three methods together with a selection of attributes gives better results in the diagnosis of nitrogen. A nutrição de nitrogênio na cultura do feijão é importante para garantir uma boa produtividade, porém as formas de detecção desses níveis (análise química e visual) são lentas ou dependem de um profissional experiente, portanto o objetivo deste trabalho consiste diagnosticar os níveis de nitrogênio através de Visão Computacional e Redes Neurais Artificiais (RNA). Foram cultivados feijoeiros em uma casa de vegetação contendo 5 doses diferentes de nitrogênio, 50, 100, 150, 200 e 250 mg L-1. Os dados coletados das plantas foram teores de clorofila por meio de clorofilômetro, teores de nitrogênio em mg L-1 e imagens das folhas, sendo estas realizadas em dois momentos do desenvolvimento da planta 45 e 58 dias após a semeadura, para se realizar o diagnóstico utilizou-se três métodos de extração de características nas imagens das folhas: Grey Level Coocurrence Matrix (GLCM), Estatístico sem texturização e Local Binary Pattern (LBP). Por fim os dados gerados pelos métodos anteriores foram utilizados para o treinamento e teste de Redes Neurais Artificiais (RNA) Multilayer Perceptron para regressão e posteriormente classificação dos níveis de nitrogênio. Este trabalho demonstrou que os três métodos são promissores dependendo da situação, porém a combinação dos três métodos juntamente com uma seleção de atributos obtem-se resultados melhores na diagnose de nitrogênio. 2018-09-27T15:10:51Z 2018-09-27T15:10:51Z 2018-06-06 masterThesis GUIDOLIN, Leonardo Gomes. Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais. 2018. 52 f. Dissertação (Mestrado em Tecnologias Computacionais para o Agronegócio) - Universidade Tecnológica Federal do Paraná, Medianeira, 2018. http://repositorio.utfpr.edu.br/jspui/handle/1/3452 por openAccess application/pdf Universidade Tecnológica Federal do Paraná Medianeira Brasil Programa de Pós-Graduação em Tecnologias Computacionais para o Agronegócio UTFPR
institution	Universidade Tecnológica Federal do Paraná
collection	RIUT
language	Português
topic	Redes neurais (Computação) Linguagem de programação (Computadores) Feijão-comum Neural networks (Computer science) Programming languages (Electronic computers) Common bean CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS) Engenharia/Tecnologia/Gestão
spellingShingle	Redes neurais (Computação) Linguagem de programação (Computadores) Feijão-comum Neural networks (Computer science) Programming languages (Electronic computers) Common bean CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS) Engenharia/Tecnologia/Gestão Guidolin, Leonardo Gomes Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais
description	Nitrogen nutrition in the bean crop is important to ensure good productivity, however the ways of detecting these levels (chemical and visual analysis) are slow or depend on an experienced professional, so the objective of this work is to diagnose nitrogen levels through of Computational Vision and Artificial Neural Networks (RNA). Beans were grown in a greenhouse containing 5 different doses of nitrogen, 50, 100, 150, 200 and 250 mg L-1. The data collected from the plants were chlorophyll content by means of chlorophyll meter, nitrogen contents in mg L-1 and leaves images, being these realized in two moments of the development of the plant 45 and 58 days after sowing, to make the diagnosis Gray Level Co-Occurrence Matrix (GLCM), non-texturing Statistic and Local Binary Pattern (LBP) were used. Finally, the data generated by the previous methods were used for the training and testing of Artificial Neural Networks (ANN) Multilayer Perceptron for regression and later classification of the levels of nitrogen. This work demonstrated that the three methods are promising depending on the situation, but the combination of the three methods together with a selection of attributes gives better results in the diagnosis of nitrogen.
format	Dissertação
author	Guidolin, Leonardo Gomes
author_sort	Guidolin, Leonardo Gomes
title	Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais
title_short	Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais
title_full	Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais
title_fullStr	Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais
title_full_unstemmed	Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais
title_sort	diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais
publisher	Universidade Tecnológica Federal do Paraná
publishDate	2018
citation	GUIDOLIN, Leonardo Gomes. Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais. 2018. 52 f. Dissertação (Mestrado em Tecnologias Computacionais para o Agronegócio) - Universidade Tecnológica Federal do Paraná, Medianeira, 2018.
url	http://repositorio.utfpr.edu.br/jspui/handle/1/3452
_version_	1805310276573069312
score	10,814766

Diagnóstico de níveis de nitrogênio em folhas de feijão utilizando visão computacional e redes neurais artificiais

Registros relacionados