Identificação de plantas de milho atacadas pela lagarta do cartucho (Spodoptera frugiperda) utilizando imagens coloridas digitais

Abstract

A agricultura de precisão busca adequar as práticas agrícolas às exigências e potencial produtivo de parcelas dos talhões, objetivando maximizar o lucro, racionalizar o uso dos fatores de produção e reduzir a contaminação ambiental. A lagarta do cartucho ( Spodoptera frugiperda) é uma das pragas mais importantes na cultura do milho, no Brasil, sendo controlada, principalmente, por meio de produtos químicos. Acredita-se que o controle pode ser realizado de forma localizada, com auxílio de um sistema de visão artificial. O objetivo do presente trabalho foi desenvolver e avaliar um algoritmo para identificação de plantas de milho atacadas pela lagarta do cartucho, utilizando imagens coloridas digitais. Foram obtidas imagens de plantas atacadas e não atacadas por esse inseto, em oito épocas correspondentes a diferentes dias após a infestação, e em três intensidades de iluminação. Os valores do limiar manual para segmentação das folhas nas imagens foram analisados estatisticamente, para verificar a influência desses fatores e a eficácia de um índice de cor utilizado para redução do efeito da variação da intensidade luminosa. Foram implementados ainda dois métodos automáticos de limiarização, sendo o resultado comparado com a limiarização manual das mesmas plantas. O algoritmo proposto consistiu de duas etapas, processamento e análise das imagens. Na primeira etapa, realizou-se o processamento para obtenção de imagens binárias, em que as folhas das plantas foram segmentadas dos demais pixels. Na segunda etapa, as imagens binárias foram divididas em blocos e, de acordo com o número de grupos de pixels conectados (objetos), promoveu-se a classificação das imagens como de plantas atacadas ou não atacadas. Os resultados mostraram que os limiares diferiram para as imagens obtidas em intensidades luminosas e em épocas diferentes, o que dificulta a utilização de um limiar constante. Os resultados obtidos pelos dois métodos automáticos de limiarização foram satisfatórios, com média acima de 99% de exatidão global, o que demonstra que ambos têm potencial para serem utilizados em um sistema de identificação de plantas de milho atacadas pela lagarta do cartucho. O algoritmo proposto classificou, corretamente, 94,72 % das imagens testadas.

Precision agriculture looks up to adjust the agricultural practices to the parcel demands and productive potential to maximize the profit, rationalize the use of the production factors and reduce the environmental damage. The fall armyworm ( Spodoptera frugiperda) is one of the most important corn pests in Brazil and the use of chemicals is the main control method. It is believed that a site specific control can be done by a machine vision system. The objective of this work was to develop and evaluate an algorithm for identifying damaged corn plants by the fall armyworm using digital color images. The used images were of damaged and not damaged corn plants in eight stages taked in three light intensities. The values of manual thresholds to segment the leaves from the background were compared for verifying these factor influence and the efficacy of an index to reduce light intensity variation. It was also implemented two automatic threshold methods and their results compared to the manual threshold of the same images. The proposed algorithm presented two stages: processing and image analysis. On the first stage, the images were processed to create binary images where the pixel leaves were segmented from the other pixels. On the second stage, the images were subdivided into blocks and classified into damaged or not damaged depending on the number of objects found in each block. The thresholds differed for the images obtained in different light intensities and in different stages, thus the use of a constant threshold could not be efficient. The results of both automatic methods were considered satisfactory by presenting average accuracy higher than 99%, showing potential to be used by a system for identifying the damaged corn plants. The proposed algorithm presented overall accuracy of 94,72%.