Análise de imagens digitais para identificação do estado nutricional de nitrogênio em híbridos de milho cultivados no campo
Use of image analysis to detect nutrient deficiences in maize cultivated in the field subjected to omisson of nitrogen
DOI:
https://doi.org/10.34188/bjaerv6n1-016Palavras-chave:
nutrição de plantas, macronutriente, visão artificial, Zea mays L.Resumo
O conhecimento de sintomas de deficiência nutricional permite a identificação e a correção de deficiências, possibilitando intervenções corretas e sem desperdícios. Entretanto os métodos de diagnose química são demorados e de alto custo, além de ocorrer em estádio fenológico avançado, quando parte significativa da produção já estiver comprometida. A identificação de deficiência nutricional baseada em análise de imagens é uma estratégia inovadora para identificar a deficiência com antecedência e garantir a correção do nutriente na cultura. O objetivo foi verificar métodos de extração de características de imagens digitais foliares, baseados em padrões de textura da folha e em índices espectrais, para a identificação de sintomas de deficiência de nitrogênio (N) em híbridos de milho (Zea mays L.), cultivados no campo. O experimento foi conduzido no campo, em blocos ao acaso em fatorial 4x3 e 4 blocos, sendo 4 doses de adubação: omissão individual e completa (0%) de N, 50%, 100% e 200% da dose recomendada de N. Os híbridos foram: DKB390 PróR2® (H1), Pioneer 30F35® (H2) e Syngenta Status® (H3). A coleta e digitalização das folhas ocorreram em V4 e R1. Foram obtidas as imagens da folha indicativa do estádio (FI), analisadas quimicamente e por imagens. Os métodos de extração de características baseados em padrões de textura de imagens em escala de cinza foram: Fourier, Descritor Fractal (Fractal), Local Binary Pattern (LBP), Gabor Wavelets (GW) e Gabor Wavelets+Fractal Descriptors (GWF); e também foram estudados métodos de extração de características baseados em 4 índices espectrais de imagens coloridas: excesso de verde (EVd), vermelho normalizado (Vern), verde normalizado (Vn) e razão verde-vermelho (Rvv) e a combinação entre eles. Foram determinadas as concentrações foliares de N, além do estudo dos métodos de extração de características. Os resultados mostraram que a redução nas doses de N promoveu decréscimos significativos na concentração foliar desse elemento nas folhas. Nos métodos baseados em padrões de textura, a identificação de deficiência foi melhor no estádio R1 para os híbridos H2 e H3. No estádio V4, foi observado acertos de 69% (Fourier) e de 68,75% (LBP) no H1; 66,25% (Fourier e LBP) no H2 e 65,75% (LBP) e 63,5% (Fourier). Entretanto, no estádio R1, a porcentagem de acertos foi de 69,0% (Fourier) e 64,75% (LBP) no H1; 86,5% (LBP) e 77,25% (Fourier) no H2 e 90,75% (LBP) e 87,5% (Fourier) no H3. Para os métodos de extração de características baseados em índices espectrais, a classificação melhorou no estádio R1. As imagens de folhas em R1 apresentaram classificação muito boa para H1 e boa para H3, e razoável para H2. Observou-se 70% de acertos em H1, 53% de acertos em H2 e 65% de acertos em H3. Portanto, conclui-se que os sintomas de deficiência ou de excesso de N podem ser identificados pelas metodologias de análise de imagens digitais estudadas. Os métodos de extração de características baseados em textura de imagem apresentam melhor desempenho de classificação do que os métodos baseados em índices espectrais. O método baseado na textura de imagens que apresenta o melhor desempenho é o Fourier.
Referências
ADAMI, M.; PINHEIRO, E. S.; MOREIRA, M. A. Aplicação de diferentes algoritmos para a classificação de imagens etm+/landsat- 7 no mapeamento agrícola. in: SIMPÓSIO LATINO AMERICANO DE PERCEPCIÓN REMOTA Y SISTEMAS DE INFORMACIÓN ESPACIAL, 10., Cochabamba. Anais... Bolívia, 2002.
AMADO, T. J. C.; MIELNICZUK, J. Estimativa da adubação nitrogenada para o milho em sistemas de manejo e culturas de cobertura do solo. Revista Brasileira de Ciência do Solo. Viçosa, v.24, n.3, p.553-560, 2000.
ARGENTA, G; SILVA, P.R.F., MIELNICZUK, J.; BORTOLINI, C.G. Parâmetros de planta como indicadores do nível de nitrogênio na cultura do milho. Pesquisa Agropecuária Brasileira. Brasília, v.37, n.4, p.519-527, 2002.
BAESSO, M. M.; PINTO, F. A. C.; QUEIROZ, D. M.; VIEIRA, L. B.; ALVES, E. A. Determinação do "status" nutricional de nitrogênio no feijoeiro utilizando imagens digitais coloridas. Engenharia Agrícola. Jaboticabal, v.27, n.2, p.520-528, 2007.
BAESSO, M.M. Análise do status de nitrogênio no feijoeiro utilizando análise de imagens. Viçosa, 2005, 66p. Tese (Doutorado) – Universidade Federal de Viçosa.
BATAGLIA, O. C.; FURLANI, A. M. C.; TEIXEIRA, J. P. F.; FURLANI, P. R.; GALLO, J. R. Método de análises química de plantas. Campinas: Instituto Agronômico, 1983. 48 p. (Boletim Técnico, 78).
BRUNO, O. M. Paralelismo em visão natural e artificial. 2000. Tese (Doutorado) – Instituto de Física de São Carlos, Universidade de São Paulo. São Carlos, 2000.
BRUNS, A.; EBELHAR, M.W. Nutrient uptake of maize affected by nitrogen and potassium fertility in a humid subtropical environment. Communications in Soil Science and Plant Analysis. v.37, p.275–293, 2006.
CIAMPITTI, I. A.; VYN T. J. A comprehensive study of plant density consequences on nitrogen uptake dynamics of maize plants from vegetative to reproductive stages. Field Crops Research. V.121, p.2–18, 2011.
COELHO, A. M.; RIBEIRO, B. N.; RESENDE, F. A.; TEIXEIRA, G. K. P. Eficiência agronômica do cloreto de amônio e bicarbonato de amônio como fontes de nitrogênio para a cultura do milho. In: CONGRESSO NACIONAL DE MILHO E SORGO, 26.; SIMPÓSIO BRASILEIRO SOBRE A LAGARTADO-CARTUCHO, SPODOPTERA FRUGIPERDA, 2.; SIMPÓSIO SOBRE COLLETOTRICHUM GRAMINICOLA, 1., 2006, Belo Horizonte. Anais. Sete Lagoas: ABMS, Embrapa Milho e Sorgo, 2006. CD-ROM.
CONAB - Companhia Nacional de Abastecimento. Acompanhamento da safra brasileira de grãos. – v.1, n.3 (2013) – Brasília: Conab, 2013 - v. Mensal Disponível em: <http://www.conab.gov.br>. Acesso em 06 mar 2015.
CONGALTON, R.G. A review of assessing the accuracy of classifications of remotely sensed data. Remote sensing thematic accuracy assessment: A compendium, n 37, p.35-46, 1991.
DEVECHIO, F. F. S., LUZ, P. H. C., ROMUALDO, L. M., HERLING, V.R., MARIN, M.A., BRUNO, O. M., ZUÑIGA, A. M. G. Calcium Deficiency Diagnosis in Maize Leaves Using Imaging Methods Based on Texture Analysis. Journal of Agricultural Science. 14, P.181-190. 2022. doi:10.5539/jas.v14n3p181
EPSTEIN, E.; BLOOM, A.J. Nutrição mineral de plantas: princípios de perspectivas. Trad. Nunes, M.E.T. Londrina: Editora Planta, 2006. 403p.
FAO – Food and Agriculture Organization of the United Nations. Disponível em: <http://faostat.fao.org>. Acesso em 9 fev. 2015.
FANCELLI, A. L. Plantas alimentícias: guia para aulas, estudo e discussão. Piracicaba: Centro Acadêmico “Luiz de Queiroz”, ESALQ/USP, Piracicaba, 1986. 131p.
FIELD, C. B., CAMPBELL, J. E., LOBELL, D. B. Biomass energy: the scale of the potential resource. Trends Ecol. Evol. v.23, p.65–72, 2008.
FORNASIERI FILHO, D. A cultura do milho. Jaboticabal: FUNEP, 1992. 273p.
GONZALEZ, R. C.; WOODS, R. E. Digital Image Processing. Addison-Wesley Publishing Company, 1993. 716p.
HAN, Y.J.; HAYES, J.C. Soil cover determination by image analysis of textural information. Transactions of the ASAE, St. Joseph, v.33, n.2, p.681-686, 1990.
HUBERT, B.; ROSENGRANT, M.; VAN BOEKEL, M. The future of food: scenarios for 2050. Crop Science. v.50, p.S33–S50, 2010.
IZSÁKI, Z. Effect of nitrogen supply on nutritional status of maize. Communications in Soil Science and Plant Analysis. v.40, p.960–973, 2009.
KHATTREE; R.; MAIK, D.N. Multivariate data reduction and discrimination with SAS software. Cary, NC: SAS Institute Inc., 2000.
LEMAIRE, G.; JEUFFROY, M.H., GASTAL, F. Diagnosis tool for plant and crop N status in vegetative stage Theory and practices for crop N management. European Journal of Agronomy. v.28, p.614–624, 2008.
LUZ, P. H. C., MARIN, M. A., DEVECHIO, F. F. S., ROMUALDO, L. M., ZUÑIGA, A. M. G., OLIVEIRA, M. W. S., BRUNO, O. M. Boron deficiency precisely identified on growth stage V4 of maize crop using texture image analysis. Communications in Soil Science and Plant Analysis, 49, p.159-169, 2018. https://doi.org/10.1080/00103624.2017.1421644.
MEYER, G.E.; STEPANEK, D.P.S.; DICKEY, E.C. Electronic image analysis of crop residue cover on soil. Transactions of the ASAE, St. Joseph, v.31, n.3, p.968-973, 1988.
NEVES, O.S.C.; CARVALHO, J.G.; MARTINS, F.A.D.; PÁDUA, T.R.P; PINHO, P.J. Use of SPAD-502 in the evaluation of chlorophyll contents and nutritional status of herbaceous cotton to nitrogen, sulphur, iron and manganese (Uso do SPAD-502 na avaliação dos teores foliares de clorofila, N, S, Fe e Mn do algodoeiro herbáceo. Pesquisa Agropecuária Brasileira. v.40, p.517-521, 2005.
OLIVEIRA, A.R.; OLIVEIRA, S.A.; GIORDANO, L.B.; GOEDERT, W.J. Nutrient uptake and response to fertilization of tomato inbred lines (Absorção de nutrientes e resposta à adubação em linhagens de tomateiro). v.27, p.498-504, 2009.
PAVINATO, P.S.; CERETTA, C.A.; GIROTTO, E; MOREIRA, I.C.L. Nitrogênio e potássio em milho irrigado: análise técnica e econômica da fertilização. Ciência Rural, Santa Maria, v.38, p.358-364, 2008.
PEDREIRA, B. C.C.G.; SANTOS R. F. dos. Avaliação das escalas de 1:25.000 e 1:100.000 em mapeamentos orientados a planejamentos ambientais. Caderno de Informações Georreferenciadas. v.1, n.3, 1999.
PENG, S.; GARCIA, F.V.; LAZA, R.C.; CASSMAN, K.G. Adjustment for specific leaf weight improves chlorophyll meter’s estimate of rice leaf nitrogen concentration. Agronomy Journal. v.85, p.987–990, 1993.
PUNAM, K. S.; UDUPA, J. K. Optimum image thresholding via class uncertainty and region homogeneity. IEEE Transactions on Pattern Analysis and Machine Intelligence, Los Alamitos, v.23, n.7, p.689-706, 2001.
RAIJ, B. van.; CANTARELLA, H. Cereais. In: RAIJ, B.van.; CANTARELLA, H.; QUAGGIO, J.A.; FURLANI, A.M.C. (Eds). Recomendações de adubação e calagem para o Estado de São Paulo. 2. Ed.rev. Campinas: IAC. 1996. (IAC Boletim Técnico, 100).
ROMUALDO, L. M., LUZ, P. H. C., BAESSO, M. M., DEVECHIO, F. F. S., & BET, J. A. Spectral indexes for identification of nitrogen deficiency in maize. Revista Ciência Agronômica, 49, p.183-191. 2018. https://doi.org/10.5935/1806-6690.20180021
ROMUALDO, L.M.; LUZ, P.H.C.; DEVECHIO, F.F.S.; MARIN, M.A.; ZÚÑIGA, A.M.G.; BRUNO, O.M.; HERLING, V.R. Use of artificial vision techniques for diagnostic of nitrogen nutritional status in maize plants. Computers and Electronics in Agriculture. v.104, p.63–70, 2014.
ROSENFIELD, G. H.; FITZPATRICK, K. A coefficient of agreement as a measure of thematic classification accuracy. Photogrammetric Engineering & Remote Sensing. v.52, p. 223-227, 1986.
SALVADOR, J.M.; MOREIRA, A.; MURAOKA, T. Effect of combined omission of N, P, K and S on foliar macronutrient content of guava seedlings (Efeito da omissão combinada de N, P, K e S nos teores foliares de macronutrientes em mudas de goiabeira). Scientia Agricola. v.56, p.501-507, 1999.
SILVA, F. F.; LUZ, P.H.C.; ROMUALDO, L.M.; MARIN, M.A.; ZUÑIGA, A.M.G.; HERLING, V.R.; BRUNO, O.M. A Diagnostic Tool for Magnesium Nutrition in Maize Based on Image Analysis of Different Leaf Sections. Crop Science. v.54, 2014.
SILVA, E.B.; TANURE, L.P.P.; SANTOS, S.R.; RESENDE JÚNIOR, P.S. Visual symptoms of nutrient deficiency in physic nut (Sintomas visuais de deficiências nutricionais em pinhão-manso). Pesquisa Agropecuária Brasileira. v.44, p.392-397, 2009.
URANO, E. O. M.; KURIHARA, C. H.; MAEDA, S.; VITORINO, A. C. T.; GONÇALVES, M. C.; MARCHETTI, M. E. Avaliação do estado nutricional da soja. Pesquisa Agropecuária Brasileira. Brasília, v.41, n.9, p.1421-1428, 2006.
VARELLA, C.A.A.; PINTO, F.A.C.; QUEIROZ, D.M.; SENA JÚNIOR, D.G. Soil cover determination using image analysis and neural networks (Determinação da cobertura do solo por análise de imagens e redes neurais). Revista Brasileira de Engenharia Agrícola e Ambiental. v.6, p.225-229, 2002.
WU, L.; CHEN, X.; CUI, Z.; ZHANG, W.; ZHANG, F. Establishing a Regional Nitrogen Management Approach to Mitigate Greenhouse Gas Emission Intensity from Intensive Smallholder Maize Production. Plos One. v.9, p.1-11, 2014.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
- O conteúdo dos artigos é de responsabilidade exclusiva dos autores.
- É permitida a reprodução total ou parcial do conteúdo dos artigos, desde que citada a fonte.
- Artigos com plágio serão recusados, e o autor do plágio perderá o direito de publicar nesta revista.
- Os nomes e endereços informados nesta revista serão utilizados exclusivamente para os serviços prestados por esta publicação e não estão disponíveis para outros fins ou a terceiros.
- Depois de enviar os artigos, os autores cedem os direitos autorais de seus artigos ao BJAER. Se você se arrepender da submissão, o autor tem o direito de solicitar ao BJAER que não publique seu artigo. Porém, essa solicitação deve ocorrer até dois meses antes da divulgação do número que o artigo será publicado.
- O BJAER usa a licença Creative Commons CC BY. Informações sobre esta licença podem ser encontradas em: https://creativecommons.org/licenses/by/3.0/br/
Brazilian Journal of Animal and Environmental Research (BJAER) se reserva o direito de efetuar nos originais alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores. Os trabalhos finais não serão enviadas aos autores.
