iSOBRAEP Template - Conferência de Estudos em Engenharia

MÉTODOLOGIA DE LIMIARIZAÇÃO ITERATIVA PARA ANÁLISES DE
ATAQUES DE INSETOS EM PLANTAS DE MILHO.
Patricio Javier Robles Barros, Diego Palmiro Ramirez Ascheri, Francisco Ramos de Melo, Claudio
Magela Soares, Luana de Lima Lopes, Ivandro José Rocha de Freitas, Mayara Paiva Siqueira.
Universidade Estadual de Goiás – UEG/UnUCET, Programa de pós-graduação stricto sensu em Eng. Agrícola, Anápolis-GO.
[email protected], [email protected]
Resumo – A segmentação dos objetos durante o
processamento de imagens é fundamental para
determinar o êxito de um sistema de visão artificial,
sendo a limiarização iterativa uma das técnicas mas
utilizadas, a qual analisa e agrupa os pixels da imagem
em duas classes. O resultado da limiar serve para
determinar, influenciar a dimensão e forma dos objetos
em imagens segmentadas. Utilizar um sistema
automatizado tornaria o processo mas preciso, objetivo e
rápido evitando a influência de operadores. O objetivo
deste trabalho é propor uma metodologia que permita
avaliar mediante a limiarização iterativa a identificação
de ataque de insetos em plantas de milho. A proposta se
fundamenta na utilização de imagens de plantas com e
sem ataque, durante 3 diferentes períodos após
infestação. As imagens podem ser processadas de acordo
aos parâmetros de índice do excesso de verde
normalizado e comparado com uma limiarização manual
para gerar resultados o mais perto da realidade. Os
resultados esperados da metodologia proposta, se busca
ter uma exatidão superior a 95%, uma alta
reprodutibilidade e uma potencial utilização com sistema
de visão artificial da metodologia para a identificação de
insetos.
expected results of the proposed method, an attempt has
an upper 95% accuracy, a high reproducibility and
potential use with an artificial vision system of the
methodology for identifying insect.
1
Keywords – Image processing, machine vision system,
insect attack, precision farming.
I. INTRODUÇÃO
A partir da disponibilidade de técnicas de localização
precisas com custo acessível para manejar grandes áreas,
aliada ao desenvolvimento de sistemas eletrônicos aplicáveis
a maquinarias agrícolas, descortinou-se a possibilidade de
manejo específico em grandes áreas agrícolas.
O principal objetivo é evidenciar a variabilidade dos
atributos do sistema de produção e manter, ou aumentar, a
lucratividade do empreendimento, ao mesmo tempo em que
reduz a contaminação ambiental causada pelo uso de
defensivos e fertilizantes, sendo fundamental otimizar a
utilização de recursos. São criados mapas de prescrição a
partir de dados de produtividade, fertilidade de solos,
infestação da lavoura por pragas, doenças ou plantas
daninhas, dentre outros. O foco desse trabalho trata dos
ataques de insetos na cultura do milho, que no Brasil podem
produzir perdas de até 42% na produção [7]. Para controle
de insetos, utilizam-se métodos por meio de pulverizador
tratorizado [1], tratamento de sementes [6] e via água de
irrigação [9].
As características dos sistemas de visão artificial são a
reprodutibilidade, a possibilidade de operar no espectro de
radiações eletromagnéticas e a medição objetiva da cor em
objetos [5], a metodologia trata de uma câmera conectada a
um computador por meio de uma placa de aquisição de vídeo
e programas computacionais de processamento de imagens.
Tendo essas informações o sistema pode gerar um sinal
para controle de máquinas ou armazenar dados para
utilização posterior. Tais técnicas têm sido utilizadas em
diversas aplicações agrícolas, fornecendo informações sobre
solo, identificação de espécies de plantas, densidade
populacional e altura de plantas [2]. Além disso, têm sido
utilizadas para reconhecimento de partes de plantas [8] e
defeitos em frutos [4] dentre outras.
Palavras-Chave – Processamento de imagens, sistema
de visão artificial, ataque de insetos, agricultura de
precisão
INSECTS ATTACK ANALYSIS BY
METHOD OF AUTO THRESHOLDING IN
CORN PLANTS.
Abstract – The segmentation of objects in the image
processing is critical in determining the success of an
artificial vision system, interactive thresholding is one of
the techniques used but which analyzes and groups the
pixels of the image into two classes. The result of the
threshold used to determine, influence the size and shape
of objects in segmented images. Using an automated
system would make the process but precise, objective and
fast avoiding the influence of operators. The objective of
this work is to propose a methodology to evaluate
through interactive thresholding to insect attack
identification in maize plants. The proposal is based on
the use of plant images with and without attack for 3
different time periods after infestation. Images can be
processed according to the green over the index
parameters normalized and compared to a manual
thresholding to generate the results closer to reality. The
1
Para isto, a segmentação por limiarização, se utiliza
quando os valores dos pixels apresentam distribuição
bimodal e o objetivo é agrupá-los em duas classes, criando-se
uma imagem binária.
Medições adequadas de objetos, em imagens, requerem o
uso de um método confiável, devido à influência no número
de pixels atribuídos a cada classe, dimensão e forma dos
objetos segmentados. Imagens limiarizadas manualmente são
utilizadas como referência para comparação com o resultado
do algoritmo [10].
O objetivo deste trabalho é propor uma metodologia com
base na limiarização iterativa [10], centralizada na analises
de imagens processadas de plantas de milho para identificar
ataques de insetos nas plantas.
Onde:
Evdt - Valor do pixel na imagem transformada.
Evd0 - Valor do pixel na imagem processada.
Evdmax - Valor máximo do pixel na imagem processada.
Evdmin - Valor mínimo do pixel na imagem processada.
Seguindo uma metodologia desenvolvida no programa
computacional Matlab, apresentando inicialmente a imagem
colorida original e uma imagem binária criada, utilizando-se
um limiar baixo.
A imagem será analisada por 5 pessoas diferentes para
não influenciar a no resultado final da limiarização sendo o
resultado o mais objetivo possível, sem existir interferência
das restantes imagens coletadas.
Uma vez que a pessoa considera a imagem binária
satisfatória, o programa pode salvar a escolha, em um
arquivo, com o nome da imagem e o valor do limiar. O
resultado final da analises da imagem será expresso mediante
o a média aritmética, usando-se os limiares obtidos pelas
cinco pessoas.
Esses limiares médios serviram para criar as imagens
binárias de referência para avaliação dos métodos
automáticos de limiarização.
A metodologia automática de limiarização iterativa,
assume um valor do limiar ótimo que pode ser obtido, o
mesmo se baseia no cálculo da média dos valores médios dos
pixels nas duas classes de um histograma bimodal. O valor
inicial é metade da escala de cinza utilizada.
Este limiar é então utilizado para a coleta de estatísticas
sobre regiões pretas e brancas. A média da escala de cinza
para os pontos abaixo do limiar é encontrada e chamada de
Tb, e a média para os pontos acima do limiar é chamada de
To. Com estes dois parâmetros calculados, o novo limiar Tk
dado pela equação (3):
II. MATERIAL E MÉTODOS
Para o material experimental podem ser analisadas 12
imagens de plantas atacadas e 12 plantas não atacadas por
insetos em 3 épocas distintas nas dependências da
Universidade Estadual de Goiás. Se reuniram plantas em
grupos de 4 plantas com e sem ataque de insetos.
O trabalho será conduzido utilizando-se 24 vasos de 15
litros com solo uniforme e adubado. A semeadura será feita
semeando 3 sementes por vaso do híbrido de milho AG 1051
com início previsto para o segundo semestre de 2016. Quinze
dias após a emergência, as plantas serão escolhidas
aleatoriamente e identificadas mediante imagens para a
posterior analises.
Se utilizará uma câmara de vídeo digital multiespectral
MS3100-CIR fabricada pela Duncan Tech conectada a um
microcomputador por meio de uma placa de aquisição de
vídeo modelo PCI 1424. As imagens RGB serão salvas com
dimensões 1392 (H) e 1039 (V) pixels no formato TIF
(“tagged image file format”).
O processamento de imagens será feito nas dependências
dos Laboratórios da Universidade Estadual de Goiás,
mediante o pacote de ferramentas para processamento de
imagens presentes no programa computacional Matlab, as
imagens originais podem ser processadas com de acordo ao
índice do excesso de verde normalizado, como segue na a
equação (1):
Evd 
Onde:
Evd
Vd
Vm
Az
2 *Vd  Vm  Az
Vm  Vd  Az
Tk 
(3)
Tendo-se este novo limiar, o processo repete-se até que
não haja alteração de Tk, entre um passo e outro. O
histograma da imagem é refinado e percorrido em
consecutivas varreduras, para encontrar o valor de limiar que
promove o maior grau de separação entre as duas classes.
O algoritmo iterativo para a determinação mediante o
programa Matlab do limiar se traduz na equação (4) a seguir:
(1)
- Excesso de verde normalizado.
- Valor do pixel na banda verde.
- Valor do pixel na banda vermelha.
- Valor do pixel na banda azul.
255
Tk 1
Tk 
As imagens processadas podem apresentar valores entre –
1 e 2, sendo assim deve existir uma transformação linear nos
valores dos pixels, criando-se imagens em 256 tons de cinza,
de acordo com a equação (2):
 Evd 0  Evd min 
Evdt  255 * 

 Evd max Evd min 
Tb  To
2
 i.h(i)
i 0
Tk 1
2 h(i )
i 0

 i.h(i)
i Tk 1 1
(4)
255
2
 h(i)
i Tk 1 1
Onde:
h - Vetor histograma de níveis de cinza da imagem.
Neste caso, o processo de determinação do limiar termina
quando Tk+1 = Tk , sendo Tk o valor ótimo.
(2)
2
Após feita a limiarização manual, a qual em conjunto
pode ser incorporada ao resultado da limiarização automática
iterativa, é possível dar origem a um histograma bimodal de
acordo a como se observa na figura 3.
III. RESULTADOS ESPERADOS
Espera-se com a utilização dessa metodologia que a
mesma seja representativa e exata em quanto ao analises do
ataque por insetos.
Uma vez que a limiarização tem como função dividir a
imagem em duas classes, espera-se encontrar nas imagens
processadas que as folhas atacadas por insetos apresentem os
valores mais altos durante o processamento de imagem.
A modo de exemplo na figura 1 a seguir, se apresenta o
objetivo procurado mediante a metodologia proposta, a
figura vem de estudos previamente feitos [3], o qual centro
as pesquisas na segmentação de plantas de milho.
Fig. 3. Histograma da imagem processada e o limiar manual
utilizado para segmentação (c).
Considerando os dados analisados pode ser possível gerar
uma imagem binaria com a clara identificação dos elementos
que não correspondem a estrutura da planta, que
representaram os possíveis ataques por insetos, tal situação é
apreciada na figura 4.
Fig. 1. Imagem original de uma planta atacada por insetos (a).
A segmentação de imagens é uma ferramenta útil que
deve ser incorporada no âmbito das ciências agrarias, é
possível observar na figura 2, que após processar a imagem
com o índice de excesso de verde normalizado os primeiros
indícios de insetos podem ser apreciados.
Fig. 4. Imagem binária resultante da segmentação com o limiar
manual (d).
Após feita uma verificação será possível classificar os
tipos de danos feito pelos insetos e identificar o tipo de inseto
que pode estar provocando o ataque.
A metodologia deve ser desenvolvida para poder chegar a
analisar um maior espectro de plantas e aperfeiçoar os scripts
de Matlab para poder ter uma metodologia aplicável em todo
âmbito na agricultura.
Fig. 2. Imagem processada com o índice do excesso de verde
normalizado (b).
3
Agricultural Engineering Research, London n. 54, 231-243,
1993.
IV. CONCLUSÕES
Neste trabalho, mediante o método automático de
limiarização iterativa, espera-se analisar imagens processadas
de plantas de milho e avaliar o ataque de insetos sobre as
mesmas.
O planejamento para a obtenção das imagens originais,
pode ser feito em diferentes épocas (dias após infestação da
planta) e processadas com o índice do excesso de verde
normalizado.
A futura criação de um algoritmo permitirá avaliar a
potencialidade da metodologia que pode ser inserida dentro
dos sistemas de visão artificial.
[9] Viana, P.A. & COSTA, E.F. Eficiência de inseticidas
misturados em óleo vegetal aplicados via irrigação por
aspersão para o controle da lagarta do cartucho Spodoptera
Frugiperda em milho. In: In: XX Congresso Nacional de
Milho e Sorgo, 1994 Goiânia, resumos... Goiânia:
Associação Brasileira de Milho e Sorgo, 1994. p. 138.
[10] Yang, X; Beyenal, H.; Gary H.; Lewandowski, Z.
Evaluation of biofilm image thresholding methods. Wat. Res.
Vol. 35, p 1149-1158, 2001.
AGRADECIMENTOS
A Capes pelas Bolsas de mestrado despendidas aos
autores e à Universidade Estadual de Goiás pela
oportunidade.
REFERÊNCIAS
[1] Carvalho, R.P.L. Pragas do milho.in: Paterniani, E.;
Viégas, G.P. (ed.) Melhoramento e Produção de Milho. V.2.2
ed. Campinas: Fundação Cargill,. 1987. p. 637 – 712.
[2] Hemming, J & Rath, T. Computer-vision-based weed
identification under field conditions using controlled lighting
Journal of Agricultural Engineering Research, London. n.78
v.3 p. 233-243, 2001.
[3] Junior, D. Sistema de visão artificial para identificação
de plantas de milho atacadas pela lagarta do cartucho
(spodoptera frugiperda). 2002, 95p. Dissertação (Mestrado
em Engenharia Agrícola) – Programa de pós-graduação em
Engenharia Agrícola, Universidade Federal de Viçosa,
Viçosa – MG, 2002.
[4] Leemans, V.; Magein, H.; Destain, M.F. Defect
segmentation on ‘jonagold’ apples using colour vision and a
bayesian classification method. Computers and Electronics in
Agriculture, Oxford, v. 23 p. 43–53, 1998.
[5] Marques Filho, O. & Vieira Neto, H. Processamento
digital de imagens. Rio de Janeiro: Brasport, 1999, 406p.
[6] Oliveira, J.P. & Silva, A.L. Controle químico da lagarta
do cartucho (Spodoptera frugiperda) em milho, com novo
regulador de crescimento. In: XX Congresso Nacional de
Milho e Sorgo, 1994 Goiânia, resumos... Goiânia:
Associação Brasileira de Milho e Sorgo, 1994. P. 162.
[7] Oliveira, L.J. Biologia, nutrição quantitativa e danos
causados por Spodoptera frugiperda (J.E. Smith, 1797)
(lepidóptera: noctuidae) em milho cultivado em solo
corrigido para três níveis de alumínio. Piracicaba: ESALQ,
1987. 125p. Dissertação (mestrado em Ciências Biológicas).
[8] Simonton,W.& Pease, J. Orientation independent
machine vision classification of plant parts. Journal of
4