Método para avaliação da eficiência de pulverização agrícola baseado em processamento de imagens e rede neural

Abstract

Resumo: Este trabalho apresenta um método de análise da qualidade do processo de pulverização, processo este que requer atenção especial devido ao seu impacto ambiental, impacto social e impacto econômico. Um dos fatores principais para a avaliação da qualidade da aplicação de uma pulverização é a densidade de gotas. Esse fator tem como parâmetros de base o tamanho de gotas, quantidade de gotas e o espectro de gotas. Para tanto, este método utiliza o processamento de imagem digital e a transformada de Hough para obtenção dessas informações a partir de papéis hidrosensíveis digitalizados, seguido da análise dos descritores diâmetro mediano numérico (DMN), diâmetro mediano volumérico (DMV), diâmetro volumétrico acumulativo de 90% (DV0,9), diâmetro volumétrico acumulativo de 10% (DV0,1), extensão (Ex) e número de gotas (Ng). Adicionalmente é utilizada uma rede neural artificial (RNA) do tipo backpropagation a qual viabiliza a automatização da obtenção da figura de mérito de qualidade (FMQ). Resultados ilustram a confiabilidade do método e sua utilidade quanto a aplicação sustentável de herbicidas em ambiente agrícola.

Abstract: This work presents a method of analysis of the quality of the pulverization process which requests special attention due to its environmental, social and economic impacts. One of the main factors for the quality evaluation of the pulverization application is the density of drops. This has as base parameters the drops size, amount of drops and the spectrum of drops. For so, this method uses the digital image processing and transformed of Hough for obtaining those information from digitalized water-sensitive papers, followed by the analysis of the describes numeric median diameter (NMD), volumetric median diameter (VMD), accumulative volumetric diameter of 90% (DV 0,9), accumulative volumetric diameter of 10% (DV 0,1), extension (Ex) and drops number (Dn). Besides this an artificial neural network (ANN) of the backpropagation type is used which makes possible the automation of the obtaining of the illustration of quality merit (IQM). Results illustrate the reliability of the method and its usefulness as the sustainable application of herbicides in agricultural environment.