Abstract:
Ao longo dos últimos anos, a agricultura tem sofrido mudanças profundas devido aos avanços tecnológicos. Dentre esse avanço, a aplicação de agrotóxicos foi uma área que revolucionou a agricultura, diminuindo a mão de obra, aumentando a produtividade e proporcionando um controle maior das plantas espontâneas, insetos e doenças. Mas a maneira de aplicar agrotóxicos se manteve ao longo do tempo, utilizando pulverizadores em barras que aplicam produtos químicos em toda a lavoura. Como normalmente as culturas são plantadas em linhas, otimizar e automatizar a aplicação de defensivos torna-se possível com o uso de novas tecnologias. Para isso desenvolveu-se um sistema baseado no uso de câmera no qual sofre pouca interferência da variação luminosa para segmentar o verde das plantas e a identificação das linhas de plantação. Isso é possível com um algoritmo iterativo que busca maximizar a identificação de linhas baseado em um modelo probabilístico. O algoritmo desenvolvido é flexível ao ponto de identificar diferentes quantidades de linhas de plantação. Ao final, o trabalho apresenta dados estatísticos sobre a eficiência na identificação das linhas do algoritmo proposto.
Over the past few years, agriculture has undergone profound changes due to technological advances. Among this advance, the application of pesticides was an area that revolutionized agriculture, reducing labor, increasing productivity and providing greater control of spontaneous plants, insects and diseases. But the way to apply pesticides has remained over time, using sprayers in bars that apply chemicals throughout the crop. As crops are normally planted in rows, optimizing and automating the application of pesticides is made possible with the use of new technologies. For this, a system based on the use of a camera was developed in which it suffers little interference from the luminous variation to segment the green of the plants and the identification of the plantation lines. This is possible with an iterative algorithm that seeks to maximize the identification of lines based on a probabilistic model. The developed algorithm is flexible to the point of identifying different amounts of planting lines. At the end, the work presents statistical data on the efficiency in identifying the lines of the proposed algorithm.
