Índices espectrais de imagens coloridas na avaliação do estado nutricional de fósforo, enxofre e magnésio no capim-marandu

Abstract

Á minha amada esposa, Karina, companheira e parceira de todos os momentos que muito se doou e muito me apoiou em tudo. Á minha filha, Elisa, pelo simples fato de existir e alegrar nossas vidas. Aos meus amados pais, Cléciton e Ana, que me ensinaram os valores e princípios para a vida e sempre me amaram e apoiaram em tudo. Aos meus amados irmãos e sobrinhas. Agradecimentos A Deus, pela vida, saúde e tudo que me concedeste.

Desenvolvimento de modelos de redes neurais convolucionais para avaliação nutricional da >i<Brachiaria brizantha>/i<

“…A folha é o órgão no qual os distúrbios fisiológicos se apresentam mais evidentes. Por isso, a folha é o local em que se realizam quase todos os diagnósticos nutricionais das plantas (MOTTA, 2016). "Folha" substitui "planta" por ser o órgão, pelo qual reflete melhor o estado nutricional da cultura (MALAVOLTA, 2006).…”

“…Os macronutrientes estudados são móveis, isso significa que há uma movimentação desses nutrientes das folhas mais velhas para as mais jovens. Com isso há maior concentração de nutrientes nas mais jovens e as características de deficiência nutricional se apresentam primeiro nas folhas mais velhas (MALAVOLTA, 2006;MOTTA, 2016). Com isso, pode-se observar que uma diagnose foliar seria mais recomendada a sua realização nas folhas mais velhas, no caso dos nutrientes N, P e K.…”

Diagnose do estado nutricional de nitrogênio, potássio e cálcio em >i<Urochloa brizantha>/i< cv. Marandu utilizando-se técnicas de >i<machine learning>/i<

“…A possibilidade de um manejo automatizado da nutrição das plantas trará enormes aumentos de produtividade (SABERIOON et al, 2014), em função disto, para estimar o estado nutricional de plantas usando técnicas de processamento de imagens, diferentes abordagens vêm sendo investigadas. Estudos relataram o uso de análise de imagem digital para determinar o estado nutricional, teor de clorofila ou outros critérios baseados na cor da folha, como a diferenciação entre espécies ou deficiências de nutrientes MOGHADDAM et al, 2010, PAGOLA et al , 2009, VOLLMANN et al, 2011, WIWART et al, 2009(SILVA, et al 2014, MOTTA et al 2016, ROMUALDO et al, 2014.…”

“…Neste estudo, apresentamos um novo método de baixo custo para avaliar o estado nutricional de N, K e Ca através da análise da cor das imagens das folhas por meio de machine learning e comparamos com outras metodologias, como o método de análise de imagens utilizando-se classificadores (SILVA, 2016;ROMUALDO, 2014, MOTTA 2016 e com o uso de medidores portáteis como SPAD-502 e NDVI.…”