Sistema de Visão Computacional para Determinação da Taxa de Crescimento e Previsão de Colheita no Cultivo de Cogumelos Comestíveis

por Juliana Karl Araujo publicado 20/02/2021 22h31, última modificação 20/10/2023 16h30

Orientador: Prof. D.Sc. Rogério Atem de Carvalho
Coorientador: Prof. D.Sc. William da Silva Vianna

A necessidade constante de uma maior produtividade e ao mesmo tempo maior qualidade nos produtos na área da agroindústria, exige que produtores agrícolas utilizem cada vez mais equipamentos tecnológicos para monitorar suas produções. Entre as ferramentas disponíveis para auxiliar a suprir esta demanda por métodos eficientes e seguros de produção de alimentos se destaca a visão computacional. Apesar do número de pesquisas sobre estas tecnologias para aumentar a produtividade e melhorar a qualidade dos produtos agrícolas crescer a cada dia, poucas delas investigam o uso da visão computacional especificamente na fungicultura. Com este propósito, um sistema de visão computacional para estimação de taxa de crescimento e previsão de colheita de cogumelos é proposto neste trabalho. O algoritmo foi desenvolvido utilizando a tecnologia python OpenCV. Primeiramente foram obtidas as imagens das camas de crescimento que passaram por um pré-processamento para refinamento da qualidade, em seguida foram efetuadas a diferenciação das regiões de interesse e técnicas de pós-processamento. Por fim foi realizada a extração das informações. Também foi desenvolvida uma interface de comunicação para transmitir estas informações ao agricultor utilizando a ferramenta Node-RED. As análise dos resultados mostram que o sistema proposto tem um bom desempenho em termos de identificação e medição de diâmetro de cogumelos. Foi alcançada uma precisão média de 86,4% na identificação dos cogumelos e 74,2% na determinação dos diâmetros dos mesmos.

Palavras-chave: Visão computacional. Cultivo de cogumelos. Python OpenCV. NodeRED.

The constant need for greater productivity and at the same time higher quality of products in the agribusiness area, demands that agricultural producers increasingly use technological equipment to monitor their productions. Among the tools available to help meet this demand for efficient and safe food production methods is the computer vision. Although research on these technologies to increase productivity and improve the quality of agricultural products is growing every day, few of them investigate the use of computer vision specifically in fungiculture. For this purpose, a
computer vision system for growth rate estimation and mushroom harvest prediction is proposed in this work. The algorithm was developed using OpenCV python technology. First, images of the growth beds were obtained. These images underwent pre-processing for quality refinement. Subsequently, the regions of interest were differentiated and post-processing techniques were implemented. Finally, information extraction was performed. A communication interface was also developed to transmit this information to the farmer using the Node-RED tool. Analysis of the results shows that the proposed system performs well in terms of mushroom identification and diameter measurement. An average precision of 86.4 % was achieved in mushroom identification and 74.2 % in mushroom diameter determination.

Keywords: Computer vision. Mushroom cultivation. Python OpenCV. NodeRED.

PDF document JulianaKarl_Dissertacao_SAEG.pdf — Documento PDF, 14.51 MB
Conteúdo

Atualmente não existem itens nessa pasta.

Voltar ao topo
Todo o conteúdo deste site está publicado sob a licença Creative Commons Atribuição-SemDerivações 3.0 Não Adaptada.