Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/32619
Full metadata record
DC FieldValueLanguage
dc.creatorCarmo, Glecia Júnia dos Santos-
dc.date.accessioned2021-08-16T20:41:56Z-
dc.date.available2021-08-16T20:41:56Z-
dc.date.issued2021-07-14-
dc.identifier.citationCARMO, 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.2021.354pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/32619-
dc.description.abstractLettuce 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.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectClassificação supervisionadapt_BR
dc.subjectSupervised classificationpt_BR
dc.subjectDiagnose de doençapt_BR
dc.subjectDiagnosis diseasept_BR
dc.subjectLactuca sativapt_BR
dc.subjectLactuca sativapt_BR
dc.subjectVeículo aéreo não tripuladopt_BR
dc.subjectUnmanned aerial vehiclept_BR
dc.titleDetecção de podridão mole em alface por Pectobacterium carotovorum subsp. carotovorum por algoritmos de aprendizado de máquina a partir de imagens multiespectraispt_BR
dc.title.alternativeDetection of soft rot in lettuce by Pectobacterium carotovorum subsp. carotovorum by machine learning algorithms using multispectral imagespt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor-co1Martins, George Deroco-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/3672769708388118pt_BR
dc.contributor.advisor1Castoldi, Renata-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9819610005535952pt_BR
dc.contributor.referee1Castoldi, Renata-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/9819610005535952pt_BR
dc.contributor.referee2Martins, George Deroco-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3672769708388118pt_BR
dc.contributor.referee3Ziviani, Adley Camargo-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/4269257048853047pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/4398382196553592pt_BR
dc.description.degreenameDissertação (Mestrado)pt_BR
dc.description.resumoA 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-graduação em Agricultura e Informações Geoespaciaispt_BR
dc.sizeorduration59pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTOpt_BR
dc.subject.cnpqCNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOSSANIDADE::FITOPATOLOGIApt_BR
dc.identifier.doihttp://doi.org/10.14393/ufu.di.2021.354pt_BR
dc.orcid.putcode98562081-
dc.crossref.doibatchidcde0c5ab-5624-4f07-b9ee-85ab72b75582-
Appears in Collections:DISSERTAÇÃO - Agricultura e Informações Geoespaciais (Monte Carmelo)

Files in This Item:
File Description SizeFormat 
DetecçãoPodridãoMole.pdfDissertação1.04 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.