Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1028847
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorBARBEDO, J. G. A.pt_BR
dc.contributor.authorGODOY, C. V.pt_BR
dc.date.accessioned2015-11-18T11:11:11Zpt_BR
dc.date.available2015-11-18T11:11:11Zpt_BR
dc.date.created2015-11-18pt_BR
dc.date.issued2015pt_BR
dc.identifier.citationIn: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 10., 2015, Ponta Grossa. Uso de VANTs e sensores para avanços no agronegócio: anais. Ponta Grossa: Universidade Estadual de Ponta Grossa, 2015.pt_BR
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1028847pt_BR
dc.descriptionABSTRACT; This paper presents an algorithm for automatic classification of diseases that produce symptoms in soybean leaves. The algorithm is based on digital image processing techniques and on a modified pairwise voting system that yields, at its output, a list of diseases with the respective likelihoods of being present in that leaf. Only color information is used, which is done by transforming the original RGB format into the HSV, L*a*b* and CMYK color spaces, and then extracting the intensity histograms from the grayscale representations of each one of the ten resulting channels. The capabilities of the algorithm were stressed by considering nine different diseases, and the results revealed that most diseases can be distinguished, however in some cases the symptoms are so closely related that information other than visual may be necessary for a reliable estimation. RESUMO: Este artigo apresenta um algoritmo para classificação automática de doenças que produzem sintomas em folhas de soja. O algoritmo é baseado em técnicas de processamento digital de imagens e em um sistema de votação por pares que produz, em sua saída, uma lista de doenças com as respectivas probabilidades de estarem presentes naquela folha. Apenas informação de cor é usada, o que é feito transformando o formato RGB original nos espaços de cor HSV, L*a*b* e CMYK, e então extraindo os histogramas de intensidade das representações em escala de cinza de cada um dos dez canais resultantes. As capacidades do algoritmo foram testadas a fundo pela inclusão de nove doenças diferentes, e os resultados revelaram que a maior parte das doenças pode ser distinguida, porém em alguns casos os sintomas são tão similares que informações além das visuais podem ser necessárias para uma estimativa confiável.pt_BR
dc.language.isoengeng
dc.rightsopenAccesseng
dc.subjectClassificação de doençaspt_BR
dc.subjectColor transformationpt_BR
dc.subjectDisease classificationpt_BR
dc.subjectFolhas de sojapt_BR
dc.subjectImagem digitalpt_BR
dc.subjectProcessamento de imagens digitaispt_BR
dc.subjectSoybean leavespt_BR
dc.subjectTransformação de corpt_BR
dc.titleAutomatic classification of soybean diseases based on digital images of leaf symptoms.pt_BR
dc.typeArtigo em anais e proceedingspt_BR
dc.date.updated2017-06-21T11:11:11Zpt_BR
dc.subject.thesagroDoença de plantapt_BR
dc.subject.nalthesaurusSoybeanspt_BR
dc.subject.nalthesaurusPlant diseases and disorderspt_BR
dc.description.notesSBIAgro 2015.pt_BR
dc.format.extent210 p.pt_BR
riaa.ainfo.id1028847pt_BR
riaa.ainfo.lastupdate2017-06-21pt_BR
dc.contributor.institutionJAYME GARCIA ARNAL BARBEDO, CNPTIA; CLAUDIA VIEIRA GODOY, CNPSO.pt_BR
Aparece nas coleções:Artigo em anais de congresso (CNPSO)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
automatic.godoy.2015.pdf1,48 MBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace