Use este identificador para citar ou linkar para este item: https://repositorio.ufu.br/handle/123456789/32619
ORCID:  http://orcid.org/0000-0001-9476-8309
Tipo do documento: Dissertação
Tipo de acesso: Acesso Aberto
Título: Detecção de podridão mole em alface por Pectobacterium carotovorum subsp. carotovorum por algoritmos de aprendizado de máquina a partir de imagens multiespectrais
Título(s) alternativo(s): Detection of soft rot in lettuce by Pectobacterium carotovorum subsp. carotovorum by machine learning algorithms using multispectral images
Autor(es): Carmo, Glecia Júnia dos Santos
Primeiro orientador: Castoldi, Renata
Primeiro coorientador: Martins, George Deroco
Primeiro membro da banca: Castoldi, Renata
Segundo membro da banca: Martins, George Deroco
Terceiro membro da banca: Ziviani, Adley Camargo
Resumo: A alface é a hortaliça folhosa mais consumida e de maior importância econômica mundial, entretanto a produção é dificultada por inúmeros patógenos, dentre eles, a Pectobacterium carotovorum subsp. carotovorum, causadora da podridão mole em alface. Dessa forma, este estudo teve por objetivos: identificar a melhor época e o melhor sensor para detecção da doença causada por Pectobacterium carotovorum subsp. carotovorum em alface, usando imagens obtidas por sensores multiespectrais em veículo aéreo não tripulado (VANT). Para isso, instalou-se um experimento em casa de vegetação na Universidade Federal de Uberlândia, Campus Monte Carmelo, contendo 392 vasos de cinco litros cada, sendo que, em cada vaso transplantou-se uma plântula de alface. Aos 27 dias após o transplante, 196 plantas foram inoculadas com Pectobacterium carotovorum subsp. carotovorum e 196 plantas não foram inoculadas. Aos 4, 8, 12, 16, 20, 24 e 28 dias após a inoculação (DAI), as plantas inoculadas foram avaliadas quanto as lesões e, tanto plantas inoculadas quanto não inoculadas foram avaliadas quanto aos parâmetros agronômicos. No mesmo intervalo de tempo também foram realizados voos na área, entre 12 e 13 horas. Foram utilizados os classificadores Support Vector Machine (SVM) e Naive Bayes (NB), a fim de avaliar grupos de dados compostos de bandas espectrais, índices de vegetação e a combinação de bandas e índices obtidos de uma câmara visível convencional e de uma câmara multiespestral Mapir Survey3W, bem como parâmetros agronômicos. Os resultados confirmaram a possibilidade de detecção pré-sintomática de Pectobacterium carotovorum subsp. carotovorum em alface. Para a detecção de plantas de alface infectadas por classificação supervisionada, os melhores resultados foram obtidos aos 4 e 8 DAI, principalmente utilizando-se subconjuntos derivados da câmara Mapir Survey3W (sensor RGN), para ambos classificadores. Os subconjuntos derivados do sensor visível convencional (sensor RGB) apresentaram os melhores resultados nos intervalos de 20 e 24 DAI.
Abstract: Lettuce is the most consumed leafy vegetable and has the greatest economic importance worldwide, however production is hampered by numerous pathogens, including Pectobacterium carotovorum subsp. carotovorum, which causes soft rot in lettuce. Thus, this study aimed to identify the best sensor and determine the optimal stage to detect disease caused by Pectobacterium carotovorum subsp. carotovorum in lettuce, using images obtained by multispectral sensors mounted on an unmanned aerial vehicle (UAV). For this, an experiment was installed in a greenhouse at the Federal University of Uberlândia, Campus Monte Carmelo, containing 392 plastic pots of five liters each, and in each pot a lettuce seedling was transplanted. At 27 days after transplanting, 196 plants were inoculated with Pectobacterium carotovorum subsp. carotovorum and 196 plants were not inoculated. At 4, 8, 12, 16, 20, 24 and 28 days after inoculation (DAI), lesions of plants inoculated were assessed and plants inoculated or not were assessed for agronomics parameters. At the same time interval, flights were also carried out in the area, between 12 and 13 hours. Were used the Support Vector Machine (SVM) and Naive Bayes (NB) classifiers to analyze data groups consisting of spectral bands, vegetation indices and a combination of bands and indices obtained from a conventional visible camera and Mapir Survey3W multispectral camera, as well as agronomic parameters. The results confirmed the possibility of pre-symptomatic detection of Pectobacterium carotovorum subsp. carotovorum in lettuce. With respect to identifying infected lettuce plants by supervised classification, the best results were obtained at 4 and 8 DAI, especially when using the subsets derived from the Mapir Survey3W camera (RGN sensor), for both classifiers. The subsets obtained with the conventional visible sensor (RGB sensor) produced the best results at 20 and 24 DAI.
Palavras-chave: Classificação supervisionada
Supervised classification
Diagnose de doença
Diagnosis disease
Lactuca sativa
Lactuca sativa
Veículo aéreo não tripulado
Unmanned aerial vehicle
Área(s) do CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTO
CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOSSANIDADE::FITOPATOLOGIA
Idioma: por
País: Brasil
Editora: Universidade Federal de Uberlândia
Programa: Programa de Pós-graduação em Agricultura e Informações Geoespaciais
Referência: CARMO, Glecia Júnia dos Santos. Detecção de podridão mole em alface por Pectobacterium carotovorum subsp. carotovorum por algoritmos de aprendizado de máquina a partir de imagens multiespectrais. 2021. 59p. Dissertação (Mestrado em Agricultura e Informações Geoespaciais) – Universidade Federal de Uberlândia, Monte Carmelo, Minas Gerais, Brasil. DOI http://doi.org/10.14393/ufu.di.2021.354
Identificador do documento: http://doi.org/10.14393/ufu.di.2021.354
URI: https://repositorio.ufu.br/handle/123456789/32619
Data de defesa: 14-Jul-2021
Aparece nas coleções:DISSERTAÇÃO - Agricultura e Informações Geoespaciais (Monte Carmelo)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DetecçãoPodridãoMole.pdfDissertação1.04 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.