Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/36005
ORCID: | http://orcid.org/0000-0002-5494-0220 |
Document type: | Dissertação |
Access type: | Acesso Aberto |
Title: | Detecção precoce da ferrugem do cafeeiro causada por Hemileia Vastatrix a partir de imagens multiespectrais |
Alternate title (s): | Early detection of coffee leaf rust caused by Hemileia vastatrix using multispectral images |
Author: | Soares, Analis da Silva |
First Advisor: | Vieira, Bruno Sérgio |
Second Counselor: | Martins, George Deroco |
First member of the Committee: | Gallis, Rodrigo Bezerra de Araújo |
Second member of the Committee: | Watanabe, Fernanda Sayuri Yoshino |
Summary: | Este artigo propõe uma metodologia de detecção precoce da ferrugem do cafeeiro causada pelo fungo Hemileia vastatrix a partir de imagens multiespectrais obtidas por veículo aéreo não tripulado (VANT). Para tanto, foram inoculadas 160 mudas de cafeeiro da cultivar Mundo Novo com urediniósporos de H. vastatrix. Outras 160 mudas não foram inoculadas a fim de determinar o intervalo mais propício para discriminação das plantas sadias e infectadas. As 320 mudas foram posicionadas em uma superfície escura para realização dos voos. Em seguida, para elaboração de curvas de reflectância foram realizadas análises de parâmetros fisiológicos in vitro de 20 exemplares para cada condição (inoculada/não inoculada). Esses processos foram reproduzidos para as três avaliações (15, 30 e 45 dias após a inoculação). A partir das curvas de reflectância simuladas observou-se que aos 15 dias de inoculação houve uma discrepância nos comprimentos de onda do vermelho e do infravermelho próximo (IVP), onde as plantas inoculadas apresentaram maior absorção na região do vermelho e maior resposta espectral no IVP. Assim, foi possível discriminar com as imagens multiespectrais da câmera Mapir a condição das mudas de cafeeiro inoculadas e não inoculadas em estágio assintomático (detecção precoce) aos 15 dias após a inoculação, utilizando o algoritmo Support Vector Machines (SVM) com precisão de 80% e índice Kappa com concordância moderada (0,6). |
Abstract: | This paper proposes a method for the early detection of coffee leaf rust caused by the fungus Hemileia vastatrix using multispectral images acquired using a Mapir Survey3W camera and an unmanned aerial vehicle (UAV). For this purpose, 160 coffee seedlings of the coffee cultivar ‘Mundo Novo’ were inoculated with urediniospores of H. vastatrix and compared with 160 control (non-inoculated) seedlings to determine the most favorable interval for distinguishing healthy and infected plants. The 320 seedlings were placed on a dark surface to perform the imaging flights. In vitro analyses of the physiological parameters of 20 specimens were then performed for each condition (inoculated/non-inoculated) to obtain the hyperspectral curves, and this process was repeated three times at 15, 30, and 45 days after inoculation (DAI). Based on the simulated hyperspectral curves, a discrepancy between the red and near-infrared (NIR) bands was identified at 15 DAI, with the inoculated plants showing greater absorption in the red band and a greater spectral response in the NIR band. Thus, multispectral images were able to distinguish H. vastatrix infection in coffee seedlings at an asymptomatic stage (15 DAI) using a support vector machines (SVM) algorithm. Detection accuracy was 80% and the kappa index of agreement was moderate (0.6). |
Keywords: | Cafeicultura Fitopatologia Diagnose Algoritmos de aprendizado de máquina coffee cultivation phytopathology diagnosis machine learning algorithms |
Area (s) of CNPq: | CNPQ::CIENCIAS AGRARIAS::AGRONOMIA |
Subject: | Agronomia Café - Cultivo Fitopatologia - Diagnóstico Algorítmos computacionais |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Uberlândia |
Program: | Programa de Pós-graduação em Agricultura e Informações Geoespaciais |
Quote: | SOARES, Analis da Silva. Detecção precoce da ferrugem do cafeeiro causada por Hemileia vastatrix a partir de imagens multiespectrais. 2022. 38 f. Dissertação (Mestrado em Agricultura e Informações Geoespaciais) – Universidade Federal de Uberlândia, Monte Carmelo, 2022. DOI http://doi.org/10.14393/ufu.di.2022.429. |
Document identifier: | http://doi.org/10.14393/ufu.di.2022.429 |
URI: | https://repositorio.ufu.br/handle/123456789/36005 |
Date of defense: | 24-Sep-2022 |
Appears in Collections: | DISSERTAÇÃO - Agricultura e Informações Geoespaciais (Monte Carmelo) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
DetecçãoPrecoceFerrugem.pdf | Dissertação | 1.39 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License